సంస్కృత భాషావేత్తల ప్రకారం పదాల వర్గీకరణ

“Indian Theories of Meaning” పుస్తకం చదవడం ఇంకా నెమ్మదిగా కొనసాగుతోంది. పదాలను దాటి, వాక్యం ఎలా ఉద్భవిస్తుంది అన్న Sphota theory గురించిన చర్చల దాకా వచ్చాను. ఆ చర్చ నాకు ఆట్టే ఆసక్తికరంగా తోచలేదు – theory మాత్రమే ఎక్కువగా ఉన్నట్లు తోచి ఆట్టే ఆలోచించలేదు. మధ్య మధ్యలో కొన్ని అంశాలు (శబ్దానికి, అర్థానికి సంబంధం గురించి చర్చ) వంటివి కొంచెం pragmatics గురించి ఆలోచనలు కలిగించాయి కానీ, ఎక్కువ భాగం నేను relate చేసుకోలేకపోయాను. కానీ దానికి ముందు పదాల వర్గీకరణ గురించి రాసిన అధ్యాయం గురించి తరువాత చాలాసార్లు అనుకున్నాను. దాని గురించిన టపా ఇది.

ప్రాచీనుల ప్రకారం పదాలలో నాలుగు వర్గాలంట: యౌగిక, రూఢ, యోగారూఢ, యౌగికారూఢ.

౧. యౌగిక: వ్యుత్పత్తి ని బట్టి ఉన్న అర్థం చెప్పగలిగే పదాలు. “It’s meaning is determined by those of its component parts, and does not signify anything more or less than the meanings of its parts”. ఇలాంటి పదాల అర్తాలు వ్యుత్పత్తి, వ్యాకరణం తెలిస్తే గ్రహించవచ్చన్నమాట. రచయిత “derivative” అని అనువదించారు ఈపదాలని ఇంగ్లీషులోకి. నాకైతే compositional సబబేమో అనిపించింది. (principle of compositionality గుర్తొచ్చి.)

ఇందులో మూడు రకాలంట మళ్ళీ. కృదంత, తద్దిత, సమస్త పద. క్రియా పదాలకి ప్రత్యయాలు (suffixes) జోడించగా ఏర్పడేవి కృదంత యౌగికాలు (వచ్చాడు, వస్తారు వంటివి అనుకుంటాను) అనబడు primary derivatives, నామవాచకాలకి ప్రత్యయాలు జోడిస్తే ఏర్పడేవి తద్దికాలు అనబడు secondary derivatives, రెండు లేదా ఎక్కువ పదాల కూర్పుతో ఏర్పడే సమస్త పదాలు (compound words).

౨. రూఢ: conventional అన్నారు. అర్థానికి, వ్యుత్పత్తికీ సంబంధం లేని పదాలు (కుక్క, పిల్లి ఇట్లాంటివి). కొన్ని సందర్భాల్లో వీటికి క్రియా ధాతువులో (verbal roots), ప్రత్యయాలో (suffixes) ఉన్నట్లు అనిపించినా వీటిని వాటి నుంచి వచ్చిన derivatives అని చెప్పలేము.

౩. యోగరూఢ: Derivative meaning, conventional meaning రెండూ ఒకటైన పదాలు. ఉదాహరణలుగా: పంకజం, కృష్ణసర్పం అన్న పదాలు చెప్పారు. పంకజం – మనం కమలం (lotus) ను అంటాము. వ్యుత్పత్యర్థం బురదలో పుట్టినది అన్నది కమలానికీ వర్తిస్తుంది. కృష్ణసర్పం/నల్లత్రాచు కూడా అలాగే. భారతీయ భాషావేత్తల ప్రకారం “conventional usage restricts the application of the derivative sense” పంకజం అని బురదలో పుట్టిన ప్రతిదాన్ని అనము కదా, అనగలిగినా కూడా. ఇది చదివాక యౌగిక పదాలకి “derivative” అని వాడ్డమే సబబు కాబోలు అనిపించింది.

౪. యౌగికారూఢ/రూఢయౌగిక: ఒక పదానికి వ్యుత్పత్యర్థం, రూఢికార్థం వేరుగా ఉన్నప్పుడు, రెండూ సరైన అర్థాలే అయినప్పుడు అది యౌగికారూఢం. ఉదాహరణగా ఆశ్వగంధ అన్న పదం ఇచ్చారు – derivation బట్టి చూస్తే గుర్రం తాలూకా వాసన, convention బట్టి చూస్తే చెట్టు పేరు.

కొంతమంది ఐదో రకం పదాలను కూడా చెబుతారట – నిరూఢలక్షణాలని – “words commonly used in their metaphorical sense”.

చివరగా, Brhaddevata అన్న గ్రంథం ప్రకారం ఒక పదాన్ని ఐదు రకాలుగా వర్ణించవచ్చట:
– Derived from the root
– Derived of the derivative of the root
– Derived from compound meaning
– derived from a sentence
– confused derivation.

అదీ పదాల వర్గీకరణ కథ.

(ఒక్క గమనిక: ఆ పుస్తకం చదువుతున్నాను గాని, నాకు ఆసక్తికరంగా తోచినవి, ఎంతోకొంత అర్థమైనవి, నాకు ప్రస్తుత Natural Language Processing పాఠ్యాంశాలతో, పరిశోధనలతో సామ్యం ఉన్నట్లు తోచినవీ మాత్రమే బ్లాగులో పంచుకుంటున్నాను. ఆయా పుస్తకాల సారాన్ని జాతి జనులకి బోధించడం నా కర్తవ్యం కాదు- గమనించగలరు. అసలింతకీ ఈ పుస్తకం చేసినదే అది – ప్రాచీనుల రచనల సారాన్ని క్లుప్తంగా చెప్పడం.)

సందర్భాన్ని బట్టి అర్థం – పూర్వపు భాషావేత్తల ఆలోచనలు

గత టపాలో ప్రస్తావించిన “Indian Theories of Meaning” పుస్తకాన్ని బట్టి ఒక పదానికి ఒక సందర్భంలో సరైన అర్థం తెలుసుకోవడం ఎలా? అన్న దానిగురించి అప్పటి భాషావేత్తల్లో, తత్వవేత్తల్లో చాలా చర్చ జరిగినట్లు తోస్తుంది. సందర్భాన్ని బట్టి అర్థం తెలుస్కోడానికి చూడవలసిన లక్షణాల గురించి రాశారు. వాటి గురించి క్లుప్తంగా నేను తెలుగులో రాసుకుంటున్న నోట్సు ఇది.

అ) సంసర్గ/సంయోగ – ప్రస్తుత వాక్యంలో ఒక పదం తాలూకా అర్థం అది దానికి వాక్యంలో గల మరో పదంతో ఉన్న సంయోగాన్ని (association) ని బట్టి నిర్థారించడం. “గురువు” అన్న పదానికి ఆంధ్రభారతిలో చూస్తే ఉపాధ్యాయుడు, బృహస్పతి, కాపాడువాడు, లఘువు కానిది, కులపెద్ద ఇలా పదిహేను దాకా అర్థాలున్నాయి. మన వాక్యంలో “దేవ గురువు” అని ఉంటే బృహస్పతి అని, “రెండు గురువులు” అంటే “లఘువు కానిది” అని అర్థం చేసుకోవడం అనిపించింది.

ఆ) విప్రయోగ: “కలం” అన్న పదానికి – లేఖిని, ఓడ, ఇరవై నాలుగు శేర్లు, పాత్ర, గండి, రేతస్సు అంటూ ఇన్ని అర్థాలున్నాయి ఇప్పుడే ఆంధ్రభారతి నిఘంటువు వల్ల తెలిసింది నాకు. కానీ మనబోటి ఆధునికులు వచ్చి “సిరా లేని కలం” అంటే “సిరా” అన్నది వీటిల్లో పెన్నుకి మాత్రమే సరిపోయే పదం కనుక, అది లేని కలం అంటే లేఖిని కావాలి అని నిర్థారించుకోవడం.

ఇ) సాహచర్య: పరస్పర సంయోగాన్ని బట్టి అర్థం చేసుకోవడం. రాముడంటే శ్రీరాముడు, బలరాముడు, పరశురాముడు – ఎవరైనా కావొచ్చు కానీ, సీతా రాములనో, రామ లక్ష్మణులనో రాసినపుడు శ్రీరాముడనే కదా! అయితే ఇది కూడా ఒకవిధమైన సంయోగమే కదా అనుకోవచ్చు కానీ, జగన్నాథుడనే పండితుడు ఈ విధంగా ద్వంద్వ సమాసం లాగా ఉంటే అది సాహచర్యమని భేదం చెప్పాడంట. (ఈయన తెలుగాయనంట. ఇప్పుడే వికీ ద్వారా తెలుసుకున్నా!)

ఈ) విరోధిత: కర్ణార్జునులు అంటే ఇక్కడ కర్ణుడికి అర్జునికి ఉన్న విరోధం అన్న సంబంధం కారణంగా ఇది కర్ణుడి విరోధి, పాండవ మధ్యముడైన అర్జునుడు కానీ, కృతవీర్యుడి కొడుకు కార్తవీర్యార్జునుడు కాదని అర్థం చేసుకోవచ్చు. దీనికి సాహచర్యానికి తేడా ఏమిటన్నది వాళ్ళు రాయలేదు కానీ, ఈ “విరోధం” అన్నదే అని నేను అనుకుంటున్నా. సంయోగం-విప్రయోగం మధ్య తేడా లాగానే.

పై నాల్గింటినీ “సహసంబంధం” (collocation) అన్న గుంపు కింద చేర్చవచ్చు.

ఉ) అర్థ: Purpose served అని రాశారు ఆంగ్లంలో. దీనికి నాకు సరైన ఉదాహరణ తట్టడం లేదు కనుక వాళ్ళదే వాడతా. “అంజలినా జుహోతి” అని (oblation with folded hands), అంజలినా సూర్యం ఉపతిష్ఠతే (worship sun with folded hands) అని రెండు వాక్యాలుంటే, రెంటిలో “అంజలి” అన్న పదానికి గల అర్థ భేదాన్ని వాళ్ళు చేస్తున్న పనిని బట్టి నిర్థారించడం.

ఊ) ప్రకరణ: ఆ పదం వచ్చిన వాక్యం ఏ సందర్భం లో ఉంది అన్నదాన్ని బట్టి. గాంధీ గురించి వాక్యం ఉంటే అది ఏ గాంధీ? అన్నది తెలియాలంటే అది ఏ వాక్యంలో, ఏ సందర్భంలో వచ్చిందో తెలియాలి కదా.

ఋ) లింగ: “indication from another place” అని రాశారు వివరణగా. నాకైతే ప్రకరణ లాగానే అనిపించింది. ఇప్పటిదాకా మొదటి ఐదూ వాక్యం పరిధిలో అర్థాన్ని గురించి చర్చిస్తూంటే ఈ రెండూ వాక్యం పరిధి దాటి చుట్టుపక్కల వాక్యాల్లోని సమాచారాన్ని బట్టి పదార్థాన్ని నిర్ణయించడాన్ని గురించి చెబుతున్నట్లు అనిపించింది (anaphora resolution గురించి రాసినట్లు తోచింది)

ౠ) శబ్దస్యానస్య సన్నిధి: “vicinity of another word” అన్నారు. collocation లాగానే అనిపించింది. చుట్టుపక్కల ఉన్న ఏదో పదం మూలాన ప్రస్తుత పదం తాలూకా నానార్థాలలో కొన్ని illogical అనిపించడం. అక్కడ ఇచ్చిన ఒక్క ఉదాహరణ మాత్రం కొంచెం తేడా ఉందని చెప్పింది. “కరేన రజతే నాగాః” అని వాక్యం. కర (చేయి, తొండం), నాగ (ఏనుగు, పాము) అని రెండు పదాలకీ నానార్థాలున్నా, ప్రతి పదం రెండో పదం తాలూకా అర్థాన్ని నియంత్రిస్తుంది అంటారు.

ఎ) సామర్థ్య: “కోకిల మధువు మత్తులో ఉంది” అన్న వాక్యంలో మధువు కి అర్థం కావాలంటే, ఆంధ్ర భారతి ప్రకారం పాలకూర మొదలుకుని పూదేనె దాకా నానార్థాలు ఉన్నాయి కానీ, కోకిలని మత్తుకు గురిచేయగలిన సామర్థం కలది వసంత ఋతువు కనుక ఇక్కడ అదే సరైన అర్థం అని నిర్థారించడం.

ఏ) ఔచితి: ఒక సందర్భానికి సరిగ్గా తోచే అర్థం. పైవన్నీ కూడా దానికోసమే కదా అనిపించింది కానీ అలంకార ప్రయోగాలు చేస్తున్నప్పటి వాక్యాల గురించి అనుకుంటున్నాను ప్రస్తుతానికి.

ఐ) దేశ: సంఘటన జరుగుతున్న స్థలాన్ని బట్టి అర్థం నిర్థారించడం.

ఒ) కాల: అలాగే, కాలాన్ని బట్టి.

ఓ) వ్యక్తి: లింగ భేదాన్ని బట్టి అర్థం గ్రహించడం.

ఔ) స్వర: ఉచ్ఛారణ బట్టి అర్థంలో తేడాలు గ్రహించడం.

మొత్తానికైతే నేను ఇదంతా చదివి వీటిని మూడు భాగాలుగా వర్గీకరించుకున్నా:
– వాక్యంలోని ఇతర పదాలతో సహసంబంధం (అ, ఆ, ఇ, ఈ, ౠ, ఎ, ఏ)
– పదం వాడిన broader context (ఉ, ఊ, ఋ, ఐ, ఒ)
– ఇతర పదాలతో సంబంధం లేకుండా పదం లోనే inflection వల్లనో, ఉచ్ఛారణ వల్లనో తెలుసుకోవడం (ఓ, ఔ)

పుస్తకంలో ఆయన కూడా మూడు వర్గాలు చేశాడు.
– grammatical means such as gender, part of speech, flectional endings
– verbal context
– non-verbal, situational context
(నేను వెర్బల్-నాన్ వెర్బల్ అని కాక ఒక వాక్యం, పలు వాక్యాలు అని విభజించుకుని, వెర్బల్-నాన్ వెర్బల్ కలిపేశానన్నమాట).

మొత్తానికి పెద్ద లిస్టే.

మతిలాల్ గారి పుస్తకంలో వీటి గురించి ఇదివరలో చదివా కానీ, ఐదేళ్ళ నాటితో పోలిస్తే ఇప్పుడు కొంచెం ఈ అంశాల మీద ఎక్కువ అవగాహన ఉన్నందువల్ల కొంచెం స్పష్టత వచ్చింది ఆలోచన. మళ్ళీ ఓసారి ఆ పుస్తకం చదవాలి.

పదాలకి అర్థాలు ఎలా తెలుస్తాయి?

“Indian Theories of Meaning” అని ఒక పుస్తకం గత నెల చెన్నై వెళ్ళినపుడు అడయార్ థియొసాఫికల్ సొసైటీ వారి పుస్తకాల దుకాణంలో కొన్నాను. నిన్న అది చదువుతూండగా “How do we learn the meanings of words?” అన్న శీర్షిక కింద ప్రాచీన భారతీయ తత్వవేత్తల ప్రకారం ఉన్న ఎనిమిది మార్గాల గురించి రాశారు. వాటి గురించి క్లుప్తంగా:

౧. వృద్ధవ్యవహార: పెద్దలు పదప్రయోగం నుండి. ప్రభాకరుడనే మీమాంసకుడి ప్రకారం భాష నేర్చుకోడానికి ఇదే మార్గమట. పెద్దలు మాట్లాడే వాక్యాలు, వాటికి అనుబంధంగా చేసే పనులను బట్టి వాక్యాలు, పదాలు, అర్థాలు నేర్చుకోడం సహజమైన మార్గం. ఇందులో మూడు రకాలు:
– ప్రత్యక్ష : నేరుగా మాటకీ-చేతకీ సంబంధం చూడగలగడం.
– అనుమాన (inference): అన్నవారి మాటకి విన్నవారి స్పందనని బట్టి అర్థం ఊహించడం
– అర్థపత్తి (postulation): రాజు గారి పెద్ద భార్య మంచిదంటే చిన్న భార్య కాదని అనుకోడం అర్థపత్తి అనిపించింది నాకు అక్కడ ఉదాహరణ చూస్తే.
చాలా మంది సంస్కృత భాషావేత్తలు ఈ విధంగా నిజజీవితంలో వాడుకను నేర్చుకుంటూ భాష నేర్చుకోవడం ఉత్తమమైన పద్ధతని భావించేవారట.

౨. ఆప్తవాక్య: నమ్మదగ్గ వ్యక్తి నుండి వచ్చే వాక్యాల ద్వారా పదాల అర్థాలు తెలుసుకోవడం. ఇందుకు ఉదాహరణగా పిల్లలకి వాళ్ళ తల్లిదండ్రులో, బంధువులో ఇంట్లో భాష నేర్పే ప్రయత్నం చేయడం ఉదాహరణగా చెప్పారు. అంటే “ఆయన నాన్న. ఈమె అమ్మ. ఇది పెన్ను” ఈ టైపులో నేర్పితే క్రమంగా అర్థాలు తెలియడం.

౩. వ్యాకరణం: పదాల పుట్టుక, కూర్పు మొదలైనవి వ్యాకరణం ద్వారా నేర్చుకోవడం. వ్యాకరణానికి గల ముఖ్య ఉపయోగం తొందరగా సరైన భాష నేర్చుకోవడమే అన్నారు ఈ రచయిత.

౪. ఉపమాన: పోలికని బట్టి నేర్చుకోవడం. ఫలానా అడవి దున్న ఆవు జాతికి చెందినవాటిలా ఉంటుందని చెబితే, తర్వాత దాన్ని ఎపుడన్నా చూసి గుర్తు పట్టగలగడం (థియరీ చదివి ప్రాక్టికల్స్ చేయగలగడం?)

౫. కోశ: అమరకోశం టైపు పుస్తకాల నుండి నేర్చుకోవడం.

౬. వాక్యశేష: ఏదన్నా వాక్యంలో పదం అర్థం కాకపోతే తక్కిన భాగం కూడా చదివి సందర్భాన్ని బట్టి అర్థం చేసుకోవడం.

౭. వివృతి: వ్యాఖ్యానం ద్వారా అర్థం చేసుకోవడం

౮. సిద్ధపదసాన్నిధ్య: ఒక వాక్యంలో ఇతర (మనకి అర్థం తెలిసిన) పదాలతో ఈ పదానికి ఉన్న సంబంధాన్ని పట్టి పదార్థాన్ని గ్రహించడం.
ఇదే అర్థం వచ్చేలా J.R.Firth అనే బ్రిటీషు భాషావేత్త యాభైల్లో అన్నారు. ఆ వాక్యం ఇది: You shall know a word by the company it keeps (Firth, J. R. 1957:11)
తరువాత్తరువాత Firth ఆలోచన భాషాశాస్త్రాన్నీ, తరువాత కంప్యూటర్లనీ భాషాశాస్త్రాన్నీ కలిపే కంప్యుటేషనల్ లింగ్విస్టిక్స్ నూ ప్రభావితం చేస్తున్న Distributional Semantics అన్న పరిశోధనారంగం గా మారింది. ప్రస్తుతం నడుస్తున్న Deep Learning హవాలో భాషకు సంబంధించిన సాఫ్ట్వేర్ వెనుక ఉన్న Word embeddings కూడా ఈ distributional semantics పుణ్యమే. ఈ విషయమై భారతీయ భాషావేత్తలు ఎప్పుడో ఆలోచించారని తెలిసి ఆశ్యరంగా అనిపించింది. ఇదివరలో దీని గురించి బి.కె.మతిలాల్ గారి పుస్తకంలో ప్రస్తావించారు కానీ ఇంత వివరంగా లేదనుకుంటాను.

ఈ క్రమంలో ఈ “ఎనిమిది మార్గాల” గురించి వెదుకుతూండగా తెల్సిన మరో విషయం – 8 way of knowing అని నేటివ్ అమెరికన్, నేటివ్ ఆస్ట్రేలియన్ మొదలైన ఆదివాసీల మధ్య కూడా ఉందని. ఆన్లైన్ దొరికిన ఒకటి, రెండు లంకెలు చూడగా అది, ఇది వేరేలా అనిపించాయి కానీ, నేను పెద్దగా చదవలేదు వాటిని.

********

ఈ పుస్తకం వివరాలు:
Indian theories of meaning
Kunjunni Raja
Adyar Library Research Center.
First published in 1963 (Originally: doctoral thesis at London University)
అడయార్ థియోసాఫికల్ సొసైటీ వాళ్ళ దగ్గర దొరుకుతుంది.

Zelig

Zelig అన్నది 1983లో వచ్చిన Woody Allen సినిమా. ఇదివరలో ఓ రెండేళ్ళ క్రితమేమో కొంచెం చూశా జర్మన్లో. కథ చాలా వెరైటీగా ఉందే అనుకున్నా, సబ్టైటిల్స్ కూడా లేకుండా జర్మన్ లో చూడ్డం కష్టమని ఆపేశా. ఈవారమే మళ్ళీ చూడగలిగాను. నాకు చాలా ఆసక్తికరంగా అనిపించాయి కథ, తీసిన పద్ధతీ. అందువల్ల సినిమా గురించి నాకు అనిపించిన నాలుగు ముక్కలూ రాసుకుందామని ఈ టపా.

కథ డాక్యుమెంటరీ పద్ధతిలో సాగుతుంది. 1920-30లలో జరిగిన Zelig ఉదంతం గురించి 1980ల నాటి నిపుణులు నెమరువేసుకుని విశ్లేషిస్తున్నట్లు చూపిస్తారు. ఈ “నిపుణులు”గా నిజ జీవితంలోని ప్రముఖులు (ఉదా: Susan Sontag, Saul Bellow వంటివారు) అతిథి పాత్రలు పోషించారు. మొత్తానికి Zelig కల్పిత పాత్ర, అతని కథా కల్పితం.  మొత్తానికి సినిమాలో కనబడే విశ్లేషకులూ, నిపుణులూ, అలాగే కథలో క్లిప్పింగ్స్ లో, ఫుటేజిలలో కనబడే ప్రముఖులు అసలు వ్యక్తులే కానీ మొత్తం కథ, సెటప్ మట్టుకు కల్పితం అనమాట.

కథ విషయానికొస్తే, Zelig అన్న మనిషి గురించి 1920-30 లలో రకరకాల కథనాలు వస్తాయి. మొదట Scott Fitzgerald ఒక పార్టీలో అతన్ని గమనించి అతని గురించి చెబుతాడు. విషయం ఏమిటంటే, Zelig పార్టీలోని గొప్పవారి దగ్గర వాళ్ళలో ఒకడిలా, వాళ్ళ యాసలో, వాళ్ళ భావాలకు అనుగుణంగా మాట్లాడుతూ, బాగా చదువుకున్న, డబ్బున్న వ్యక్తిలా ప్రవర్తిస్తే, అక్కడే వంటింట్లో పనివారితో వాళ్ళలా మాట్లాడుతూ వాళ్ళలో ఒకడిలా కనిపిస్తాడు. ఇలాగే ఇంకోళ్ళు ఇతన్ని గ్రీక్ గెటప్ లోనూ, ఇంకోళ్ళు చైనీస్ అతనిలాగానూ, ఇలా రకరకాలుగా చూసినట్లు చెబుతారు. ఎక్కడికక్కడ Zelig తన వేషభాషలు మార్చేసుకుని ఆ చైనీసు, గ్రీకు వాళ్ళలా మారిపోతాడు. దీన్ని గురించి పత్రికల్లో కథనాలు, జనాల కుతూహలం కాక మానసిక నిపుణుల విశ్లేషణలు కూడా మొదలవుతాయి. వీళ్ళలో ఒకరు అతన్ని “ultimate conformist” గా అభివర్ణిస్తారు. మొత్తానికి అతనిది మానసిక వ్యాధి అని, ఇతరుల approval పొందాలన్న బలమైన కోరికవల్ల ఇలా మారిపోతూ ఉంటాడు అని తేలుస్తారు. కొన్నాళ్ళకి ఇతను చేరిన ఆసుపత్రిలో Eugene Fletcher అనే సైకియాట్రిస్టు ఇతన్ని మామూలు మనిషిని చేయాలని నిర్ణయించుకుంటుంది. ఈ క్రమంలో అతనితో ప్రేమలో కూడా పడుతుంది. మొత్తానికి Zelig మామూలు మనిషి అయాడా లేడా? అసలు అతని జీవితం ఎలా గడిచింది అన్నది మిగితా కథ. సినిమా చూడండి. ఓపిక లేకపోతే ఏ వికీ పేజీనో చూడండి 🙂

Zelig గా నటించింది అలెన్. నాకు అతని దర్శకత్వం ఇష్టం (నేను చూసిన కాసినిలో) కానీ నటన మీద ఆట్టే సదభిప్రాయం లేదు కానీ, ఈ సినిమా కథ అతని గురించైనా అతనికంటూ పెద్ద డైలాగులు లేకపోవడం వల్ల పర్వాలేదు. కథ నాకైతే కొత్తగా ఉండింది. ముఖ్యంగా ఇతరుల మెప్పుకోసం ఆరాటపడే పాత్రని ప్రధానపాత్ర చేసి కథ నడపడం బాగా చేశారనిపించింది. “Ultimate conformist” ప్రయోగం కూడా చాలా నచ్చింది. సినిమా చిన్నదనవడం అన్నింటికంటే నచ్చిన అంశం. డాక్యుమెంటరీ తరహాలో తీసినా కూడా, ఎక్కడికక్కడ తరువాత ఏం జరుగుతుంది? అన్న ఉత్కంఠ చివరిదాకా ఉండింది.

ఇక సాంకేతికత మాటకొస్తే – Zelig ఈ సినిమాలో పలుచోట్ల పలు ప్రముఖుల మధ్య దర్శనమిస్తాడు. ఉదా: హిట్లర్ ప్రసంగిస్తూంటే వెనక ఉన్న నాజీల మధ్య ఒకడిగా కనిపిస్తాడోచోట. పోప్ వాటికన్ లో జనాన్ని ఉద్దేశించి బాల్కనీలోంచి చేతులూపుతూంటే అతని పక్కన కనిపిస్తాడోచోట. ఇలా చారిత్రక వ్యక్తుల నిజం ఫుటేజ్ లో అలెన్ కనబడ్డం గురించి వికీలో రాసింది ఇది:
“Allen used newsreel footage and inserted himself and other actors into the footage using bluescreen technology. To provide an authentic look to his scenes, Allen and cinematographer Gordon Willis used a variety of techniques, including locating some of the antique film cameras and lenses used during the eras depicted in the film, and even going so far as to simulate damage, such as crinkles and scratches, on the negatives to make the finished product look more like vintage footage. The virtually seamless blending of old and new footage was achieved almost a decade before digital filmmaking technology made such techniques in films like Forrest Gump (1994) and various television advertisements much easier to accomplish.”
ఆ విధంగా కథాపరంగానే కాదు, సాంకేతికంగా కూడా ఇది కొత్తగా ఉండి ఉండాలి ఆ కాలానికి. ముప్పై ఏళ్ళ తరువాత కూడా నేను అబ్బురంగా చూశాననుకోండి, అది వేరే విషయం.

మొత్తానికి మీకు సినిమాలంటే ఆసక్తి ఉండి ఇంకా చూడకపోతే తప్పక చూడాల్సిన సినిమా!

విచారణ (Visaranai) – తమిళ చిత్రం

“విసారణై” అన్న తమిళ సినిమా గురించి పోయినేడాది చివర్లో మొదటిసారి విన్నాను. వెనిస్ ఫిల్మ్ ఫెస్టివల్ లో ఏదో అవార్డు వచ్చిందని. తరువాత ఈ ఏడాది రిలీజు అయినపుడు మళ్ళీ విన్నాను. సీరియస్ సినిమాలూ అవీ చూసి తట్టుకోగలిగే మూడ్ ఉన్నప్పుడు చూద్దామని వాయిదా వేస్తూ ఇన్నాళ్ళకి ఇప్పుడు చూశాను. అంతే…సినిమా అయ్యాక కూడా అలా స్క్రీన్ వంక చూస్తూనే ఉన్నాను కాసేపు షాక్ లో. నాకు గొప్పగా అనిపించిన సినిమా కనుక ఏదో నాలుగు ముక్కలు రాసుకుందామని ఇలా వచ్చాను.

సినిమా కథ క్లుప్తంగా: తమిళనాటి నుండి వచ్చి గుంటూరులో ఓ పార్కులో ఉంటూ చిన్నా చితకా పనులు చేసుకుంటున్న నలుగురు యువకులని అనుకోకుండా ఓరోజు ఉదయాన్నే పోలీసులు పట్టుకెళ్ళడంతో కథ మొదలవుతుంది. అక్కడ వాళ్ళని ఏదో చేయని నేరం గురించి ఒప్పించాలి పోలీసులు…ఎందుకంటే ఆ కేసు మూసేయాలని పైన్నుంచి ఒత్తిడి, దొంగలు దొరకలేదు. దొంగలు తమిళులు అన్న క్లూ ఉంది కనుక వీళ్ళని వేసేసారు. భాష రానందువల్ల వీళ్ళూ ఏం అడిగేదీ అర్థం కాక ఏదో చెప్పి ఇరుక్కుపోయారు. పోలీసులు నానా హింసా పెట్టి లాస్టుకి వీళ్ళ చేత నేరం ఒప్పించి కోర్టుకి పట్టుకెళ్తారు. అయితే, కోర్టులో వీళ్ళు జరిగిందిదీ అని చెప్పేసరికి ఓ తమిళ పోలీసాయన సహాయంతో అర్థం చేసుకున్న జడ్జి వీళ్ళని విడిచిపెట్టేస్తాడు. అయితే, ఆంధ్ర పోలీసుల నుంచి అదృష్టవశాత్తూ తప్పించుకున్న వీళ్ళు తమిళనాడు పోలీస్ స్టేషన్లో మళ్ళీ ఇరుక్కుంటారు. అక్కడ మతలబులు వేరే. చివ్వరికి వాళ్ళు పోలీసుల నుంచి బైటపడ్డారా లేదా? అన్నది మిగితా సగం సినిమా.

సినిమాలో చాలా హింస ఉంది. చాలా వేదన ఉంది. అయితే, చాలా ఇతర సినిమాల్లోలా అదేదో stylized violence కాదు. హీరోయిజం కోసమో, విలన్ కౄరత్వాన్ని ఎస్టాబ్లిష్ చేసేందుకో, బడ్జెట్ ఉంది కదా అని చూపెట్టుకోడానికో ఉన్న హింస కాదు. దీనిలోని హింస కథలో భాగంగా , కథానుగుణంగా ఉన్నది. అసలు సాధారణంగా ఇతర సినిమాల్లో విపరీతం, అనవసరం అనిపించే తరహా హింసాత్మక సన్నివేశాలు ఈ సినిమాలోని పరిస్థితుల మధ్య out of place అనో, అనవసరం అనో అనిపించలేదు. నేపథ్య సంగీతం, ఆ పోలీస్ స్టేషన్, కోర్టు, సెట్ల డిజైన్, పోలీసుల దెబ్బలు, బాధితుల స్పందనలు, ఖైదీల సంభాషణలు – అన్నీ చాలా సహజంగా అనిపించాయి. అలాగని చూసి తట్టుకోగలమా? అంటే జవాబు చెప్పడం కష్టం. సినిమా చూసి తరువాత ప్రశాంతంగా పని చేసుకోవాలంటే కొంచెం గుండె ధైర్యం కావాలి అని నా అభిప్రాయం.

పోలీసు పాత్రలు కొన్ని, వాళ్ళ ఆలోచనావిధానం, నన్ను భయపెట్టేశాయి. పోలీసు పాత్రల్లో సముతిరఖని పాత్ర చిత్రణ గొప్పగా అనిపించింది నాకు. అయితే, అందరికంటే ఆకట్టుకున్నది ఆ నలుగురు తమిళ వర్కర్లలో పాండిగా వేసిన దినేశ్. నిజంగా అతను ఆ అరెస్టయిన మనిషే అనిపించేలా ఉండింది. సినిమాకి వీళ్ళంతా పెద్ద అసెట్. కథ చాలా ఉత్కంఠభరితంగా రాశారు. పొరలుపొరలుగా ఏదో ఒకటి కొత్త ట్విస్టు వస్తూనే ఉంటుంది చివరిదాకా. అందువల్లనే అవార్డు తరహా సినిమానే అయినప్పటికీ ఇతర కమర్షియల్ సినిమాల్లాగే థ్రిల్లర్ లా కూడా అనిపించింది నాకు. ముఖ్యంగా ఆ చివర్లో క్లైమాక్స్ సీన్లు – అసలేం చేస్తారో లాస్టుకి అని టెన్షన్తో చూశాను నేను. క్లైమాక్సు ఏ పోలీస్ స్టేషన్ లోనో, అడవిలోనో, మరే అటువంటి ప్రదేశంలో కాక, మామూలు మనుషులు తిరిగే రెసిడెన్షియల్ ఏరియాలో జరుగుతుంది. సీను అయాక చివ్వర్లో వచ్చే నేపథ్య సంభాషణ కూడా ఇంకా ఏదో కొత్త విషయం తెస్తూనే ఉండింది కథలోకి. బాధ, నిస్సహాయత, అధికారం, మోసం, అమాయకత్వం – ఇలా ఇన్ని విషయాలూ చాంతాడంత డైలాగులు లేకుండానే సినిమాలో వివరంగా చెప్పారు, చూపించారు. మొత్తానికి పోలీసుల సమక్షంలో అమాయక పేద ప్రజల (ముఖ్యంగా ఇతర ప్రాంతాల నుండి వలస వచ్చినవారి) vulnerability ఈ సినిమా డాక్యుమెంటరీ లాగా కాక, సినిమాగానే ఉంటూ ఎత్తి చూపింది. ఆర్టు సినిమా మామూలు నాన్-మేధావి జనం కోసం తీయగలరా? అంటే, తీయగలరు – ఇలాగ – అనిపించింది నాకు.

ఇంతకీ సినిమా వెనుక కథ: ఇది నిజానికి కొయింబత్తూరుకు చెందిన చంద్రకుమార్ అనే ఒక ఆటోడ్రైవర్ రాసిన నవల ఆధారంగా అల్లిన కథ. చంద్రకుమార్ అంతకుముందు చాలా ఏళ్ళ క్రితం గుంటూరు జిల్లాకి ఏదో పనిచేసుకోడానికి వెళ్ళాడట. అప్పుడు ఏదో కారణం తెలియని కేసులో పోలీసులు అతన్ని, అతని స్నేహితులని ఇరికించి వేధించారట. ఆ అనుభవాల ఆధారంగా అతను రాసిన నవల అది. ఆటోడ్రైవర్ తను రాసిన నవలలని ప్రచురించగలగడం, అవి సినిమాగా రావడం – అంతా తెలుసుకుంటూంటే ఆశ్చర్యంగా అనిపించింది. చంద్రకుమార్ గురించి, అతని రచనల గురించి హిందూ పత్రిక వ్యాసం ఇక్కడ.

ఈ సినిమాని తీసిన దర్శకుడు వెట్రిమారన్, పధాన పాత్రలు ధరించిన నటీనటులు (నాకు తెలిసినది సముతిర ఖని ఒక్కడే, కానీ ప్రధాన పాత్రధారులు అందరూ), నిర్మాత ధనుష్ – అందరూ అభినందనీయులు. ఇప్పుడిక ఈ సినిమాని తెలుగులో రీమేక్ చేయాలన్న దుర్బుద్ధి ఎవ్వరికీ పుట్టకూడదని మనసారా (ఆందోళనతో) కోరుకుంటున్నాను.

సినిమా చూశాక అంతర్జాలంలో ఒకట్రెండు సమీక్షలు చూశాను. భరద్వాజ్ రంగన్ వ్యాసం నాకు నచ్చింది.

కిల్ బిల్ సినిమాలు

కొన్నేళ్ళ క్రితం కిల్బిల్ కథని సినిమా చూసి వచ్చి మురిసిపోయి ఎవరో చెప్పగా విన్నాను. దెబ్బకి ఇంత హింస మనకి పడదులే అనుకుని సినిమా చూడకూడదని నిర్ణయించుకున్నాను. ఇదే కారణంతో నేను చాలా సినిమాలు చూడలేదు కనుక అదేం పెద్ద విషయం అనిపించలేదు. “కిల్బిల్ చూడలేదా?” అనబోయే వాళ్ళకి నేనూ “ఫలానా సినిమా చూడలేదా?” అనే తరహా ప్రశ్నలు నేనూ వేసి నవ్వగలను – ఎవళ్ళు చూసే సినిమాలు వాళ్ళగ్గొప్ప గానీ, ఇప్పుడు సంగతి అది కాదు. కిల్బిల్ రెండు సినిమాలూ నాకు నచ్చాయి. మొదటిది వేగంగా సాగి, గోళ్ళు కొరుక్కునేంత ఉత్కంఠ కలిగిస్తే, రెండోది కొంచెం నెమ్మదిగా, విభిన్నంగా సాగి, గోళ్ళు కొరుక్కునేంత ఉత్కంఠ కలిగించింది. ఏదో ఎందుకు నచ్చాయో రాసుకుందామనిపించింది. అందువల్ల, ఆర్నెల్ల తరువాత బ్లాగు వైపుకు వచ్చాను. రివ్యూ ఇలా ఉండాలి, సినిమా ఇలాగే చూడాలి అనేవాళ్ళకి: ఈ కింద రాసిందంతా అలా చదవకూడదు. ఊరికే కాలక్షేపానికి చదవాలి. చదవలేకపోతే బలవంతంలేదు. పరీక్షలేం రాయట్లేదు కదా!

రివెంజ్ డ్రామా. స్టైలైజ్డ్ వయొలెన్స్. అందరికి మల్లే నాక్కూడా అదే అనిపించింది మొదట. అయితే, నాకు సినిమా(లు) నచ్చినవి అందుక్కాదు. ఆ విషయంలో మన తెలుగు హీరోల సినిమాలకి, దీనికి నాకాట్టే తేడా కనబడలేదు, కనుక ప్రత్యేకం ఈ సినిమాలు చూడక్కర్లా. అభిమానులు నన్ను క్షమించాలి – నాకు మీకున్నంత అభిరుచి లేదు హింస, దిక్కుమాలిన ఫైట్లు అవీ చూడ్డానికి. మొన్నా ఫుల్ హైదరాబాద్ వెబ్సైటులో ఏదో సినిమాకి రివ్యూ చదువుతూండగా (సరైనోడు సినిమాకి అనుకుంటా) ఏదో రాశారు – విలనో ఎవరో ఒకమ్మాయిని చంపేసి అయినా కూడా ఆవిడ్ని అనుభవించాలి అనుకుంటాడు, దానితో జుగుప్స కలిగింది అని. ఈ కిల్బిల్ మొదటిభాగంలో నాలుగేళ్ళ బట్టి కోమాలో ఉన్న హీరోయిన్ ని మేల్ నర్సు తను రేప్ చేయడం కాకుండా, ఆవిడ్ని గంటకింత అని అద్దెకి ఇస్తూ ఉంటాడు ఇతర మగవారికి! దాన్ని గురించి ఎవ్వరూ ఎక్కడా వాపోయినట్లు నాక్కనబడలేదు. ఇది బోయపాటి వంటి తెలుగు దర్శకుల పట్ల వివక్షే. నాకైతే ఆ సీనుకీ, ఈ తెలుగు సినిమా సీనుకీ ఆట్టే తేడా కూడా కనబడలేదు. అలాగే, ఎన్ని దెబ్బలు, బుల్లెట్లు తిన్నా పైకి లేచే సూపర్ హీరోయిన్…హీరో బదులు. నాకు అంత అభిరుచి లేదు కనుక – ఇదంతా తెలుగులో బాలకృష్ణ సీమ సినిమాల్లో కనబడే సూపర్ సీన్ల లాగానే అనిపించింది. మరైతే ఇది మన సినిమాల్లాగానే ఉంటే దీనికెందుకు కల్ట్ ఫాలోయింగ్? ఏమో నాకు తెలీదు.

సినిమాలలో నన్ను బాగా ఆకట్టుకున్న అంశాలు మట్టుకు చాలా ఉన్నాయి.
అ) ఉమా తుర్మన్. ఆ పాత్ర చేసే స్టంట్లకి ఆమె శరీరభాషా, ఆహార్యం బాగా నప్పాయి. ఆ ఫైట్ సీన్లలో ఆవిడ ప్రదర్శన నోరెళ్ళబట్టి చూసేలా చేసింది. కళ్ళలో కొన్ని దృశ్యాల్లో కనబడే మృదుత్వం, చాలా దృశ్యాల్లో కనబడే తీవ్రత, కాఠిన్యం – అలా మనసులో ఉండిపోయాయి. నిజానికి రెండో పార్టు వెంటనే చూడ్డానికి కారణం ఈవిడే. రెండో పార్టులో ఆమె పాత్ర తాలుకా భావోద్రేకాల్లో వైవిధ్యం ఉంది. నవ్వూ, ఏడుపూ కూడా తరుచుగా కనబడ్డాయి పగతో రగిలిపోవడం కాకుండా. రెండు భాగాల్లోనూ ఆ పాత్రను మలిచిన విధానం చాలా స్పూర్తిని కలిగించేలా ఉంది. స్ఫూర్తంటే ఇక్కడ నేను ఏడు జన్మల వైరాలని తవ్వితీసి hattori hanzo కత్తితో ఆడ పరశురాముడిలా కొన్ని తరాలు నరుక్కొస్తా అని కాదు. ఆమె ప్రతీకారం కోసం పరిస్థితులకి ఎదురొడ్డి ముందుకు సాగడం, భయంకర పరిస్థితుల్లో కూడా ముందుకు సాగడానికి ఏం చేయాలి? అని ఆలోచించి ఆ దిశగా వెళ్ళడం – ఇలాంటివి స్ఫూర్తి కలిగించిన అంశాలు. ఈవిడ కోసం “పల్ప్ ఫిక్షన్” కూడా చూడాలి అనుకుంటున్నాను ప్రస్తుతానికి. నన్ను ఆవిడ ఎంత ఆకట్టుకుందో చెప్పేందుకు మాటలు చాలవు నాకు. ఇలా ఇంకాసేపు రాసుకుంటూ పోవచ్చు కానీ ఈ అంశం ఇక్కడికి ఆపుతాను.

ఆ) నేపథ్య సంగీతం: రెండు సినిమాల్లోనూ అద్భుతంగా ఉంది. ఉమా తుర్మన్ తర్వాత ఈ సినిమాలు నచ్చడానికి రెండో ప్రధాన కారణం నేపథ్య సంగీతం. నన్ను నేను amusical అనుకుంటాను. ముఖ్యంగా Oliver Sacks రాసిన musicophilia చదివాక, సంగీతం జోలికి వెళ్ళకుండా నామానాన నేను ఉండడమే నయమేమో అని కూడా అనుకుంటూ వచ్చా కానీ, ఈ సినిమాల సంగీతం.. రెండ్రోజులుగా తలకాయలో మోటార్ బైకులో గేర్లు మార్చుకుంటూ స్పీడుగా తిరుగుతోంది. నా మట్టుకు నాకు అద్భుతమే.

ఇ) బలమైన స్త్రీ పాత్రలు. సినిమాలో “మంచి” అనబడు పాత్ర ఏదీ లేదు. కనీసం “పాపం మంచి మనిషి” అని అనిపించే పాత్ర కూడా ఒక్కటీ లేదు, హీరోయిన్ ని గురించి మనకి సాఫ్ట్ కార్నర్ ఏర్పడకపోతే. కానీ, స్త్రీ పాత్రలు ఎక్కువగా ఉండి, అంత శక్తివంతంగా ఉండే సినిమాలు మరీ అంత తరుచుగా రావు. ఒక్కో ప్రధాన స్త్రీ పాత్రా చాలా గొప్పగా మలిచారు. వాళ్ళ మధ్య స్టంట్ సీన్లు కూడా గొప్పగా ఉన్నాయి. ఆమధ్యన హేట్ఫుల్ ఎయిట్ (ఇదే దర్శకుడిది) రిలీజ్ అయినప్పుడు క్లైమాక్స్ లో ఆ సినిమాలోని ఏకైక ప్రధాన స్త్రీ పాత్రని ఉరితీసే సన్నివేశం గురించి కొంతమంది గగ్గోలు పెట్టారట misogynistic గా ఉంది అని. మరి అదే దర్శకుడు ఈ సినిమాల్లో ఇంత బలమైన స్త్రీ పాత్రలని సృష్టించాడని ఎవరూ అనలేదేమిటి? అనిపించింది. Equality పద్ధతిలో భాగంగా, అంత భయంకరమైన క్రిమినల్ పురుషుడు అయి ఉంటే సినిమాలో ఏం చేసి ఉండేవారో స్త్రీకి కూడా అదే చేశాడు అని ఫిక్స్ అయ్యా నేను మొత్తానికి, కిల్బిల్ చూశాక.

ఈ) పదునైన డైలాగులు. రెండు భాగాల్లోనూ.

ఉ) నటీనటుల ప్రదర్శన – అందరూ ఆ పాత్రలకి సరిగ్గా సరిపోయారు. తెలుగు సినిమాల పోలిక హింసకి మాత్రమే పరిమితం. ఇలాంటి విషయాల్లో అంతా పోల్చి దర్శకుడిని కించపరచడంలేదని గమనించగలరు. ఇక్కడంతా తెలుగు సినిమాలతో పోల్చడం నక్కకీ నాగలోకానికీ పోలిక తేవడమే. ఒప్పుకుంటాను.

ఇంకా కొంచెం రాయొచ్చు కానీ, ఇక్కడికి ఆపుతాను. మొత్తానికి దర్శకుడు గొప్పాయన. ఆ విషయం ఒప్పుకోవాలి. ఇన్ని చెప్పి ఆయన గురించి చెప్పలేదేం? అనుకుంటారేమో వ్యాసం చదివేవాళ్ళు. అతగాడు తెరవెనుక ఉండి ఇవన్నీ నడిపే మనిషి (నిర్మాతతో కలిసి) కనుక ఇవన్నీ చెబితే అతన్ని తల్చుకున్నట్లే. ఇకపోతే, మూడోభాగం కూడా వస్తే నేను చూడ్డం గ్యారంటీ.

language independence in NLP – some thoughts

In the last session of our reading group, we discussed the following article:

title: “On achieving and Evaluating language independence in NLP”
author: Emily Bender
Linguistic Issues in Language Technology, 2011.
url here
The article is an extended version of a 2009 writeup, about which I wrote here.

To summarize in few words, the article first discusses what does language independence in natural language processing system development mean – in theory and in practice. Then, taking linguistic typology as a source of knowledge, it suggests some do’s and don’ts for NLP researchers working for the development of language independent systems. I liked the idea that true language independence is possible only through incorporation of linguistic knowledge into the system design. It took me only a few seconds to convinced about it when I read that 2009 paper and my opinion did not change in the meanwhile. My experience in working with non-English language datasets in the meanwhile only boosted the opinion.

Reading the article with a bunch of people with a linguistic and not an engineering background this time gave me some new perspective. One most important thing I noticed is this: I think I can say it is fairly common among CS based NLP communities to claim language independence by assuming that the approach that works on one or two languages, several times closely related ones, will work on any other language. I never knew what linguists think about that. The linguists in our group first wondered how can anyone claim language independence in general and how difficult is it to claim language independence. We even briefly went into a philosophical discussion. As someone who started with NLP in a CS department, I should confess I never even thought of it like this until now. People in so many NLP papers claim language independence in an off-hand manner.. and I suddenly started seeing why it could be a myth. That is the “aha” moment for that day.

Anyway, coming back to the paper, after the section 4 where there are the Do’s and Don’ts, I found the section 5 incomplete. This is an attempt to explain how Computational Linguistics is useful in typology and vice-versa – but I did not get a complete picture. There were a couple of recent papers which test the applicability of their approaches on multiple languages from different language families (two examples I can think of from 2015 are: Soricot and Och, 2015 and Müller and Schütze, 2015)

Nevertheless, it is a very well written article and is a must read for anyone who wondered if all the claims of language independence are really true and if there is no implicit considerations that favor some language over the other in the development of natural language processing systems.

Thanks to Maria, Simon, Xiaobin and Marti for all a very interesting discussion!

Automatic question generation for measuring comprehension – some thoughts

In our weekly/fortnightly reading group here, we spent most of the past 2 months discussing about “automatic question generation”. We discussed primarily NLP papers but included a couple of educational research papers as well. NLP papers usually focus on the engineering aspects of the system and are usually heavy on computations required. Educational research papers primarily focus on performing user studies with some approach of question creation and then correlating the user performance with these questions to text comprehension. So, these are usually low on the computational part. That is roughly the difference between the two kinds of articles we chose to read and discuss.

Now, as we progressed with these discussions, and as more people (with diverse backgrounds) joined the group for a couple of sessions, I realized that I am learning to see things in different perspectives. I am now writing this post to summarize what I thought about these articles, what I learnt through these discussions, and what I think about the whole idea of automatic question generation at this point of time. I will give pointers to the relevant articles. Most of them are freely accessible. Leave a comment if you want something you see here and can’t get access. Questions here were of two kinds – factual questions from the text (Who did what to whom kind of things) and fill in the blank kind of questions where one of the key words go missing.

Let me start with a summary of the stuff we discussed in the past few weeks:
a) We first started with the generation of factual questions from any text i.e., the purpose of the system here is to generate questions like – “When was Gandhi born? Where was Gandhi born?” etc., from a biography page on Mahatma Gandhi. Here, we primarily discussed the approach followed by Michael Heilman. More details about the related articles and the released code can be seen here. Here, the primary focus of the approach has been to generate grammatically correct questions.

b) We then moved to more recent work from Microsoft Research, published in 2015, where the task of “generating the questions” is transformed by using crowd sourcing to create question templates. So, the primary problem here is to replicate the human judgements of relevant question templates for a given text, by drawing inferences about the category of the content in a particular section of text through machine learning. (I am trying to summarize in one sentence, but someone wanting to know more please read the article). The resource created and the features used to infer category/section will eventually be released here.

c) At this time, after a slight digression into the cognitive and psycholinguistic aspects of gap filling probabilities, we got into an article which manually designed a fill-in-the-blank kind of test which allegedly measures reading comprehension. They concluded that such kind of tests are quick to create, take less time to test, and still do what you want out of such test (i.e., understand how much the readers understood).

d) Naturally, the next question for us was: “How can we generate the best gaps automatically?”. Amidst a couple of articles we explored, we again picked an older article from Microsoft Research for discussion. This is about deciding what gaps in a sentence are the best to test the “key concepts” in texts. Again, the approach relies on crowd sourcing to get these judgements from human raters first, and then develops a machine learning approach to replicate this. The data thus created, and some details about the machine learning approach implementation can be found here.

Now, my thoughts on the topic in general:
a) To be able to generate real “comprehension” testing questions from any possible text, we should make sure that we are not falsefully ending up testing the ability of a reader to remember the text. So, I did not get a clear picture of how fill-in-the-blank questions avoid this pitfall. Generating who? what? kind of questions instead of fill-in-the-blanks perhaps to some extent covers this up. Yet, if these questions only require you to know that one sentence, how are they really measuring comprehension of the whole piece of text, when comprehension can include drawing inferences from multiple parts of the text?

b) One dis-satisfying aspect of all these readings has been that: people who do user-studies don’t talk about the scalability of their method beyond a laboratory setup and people who engineer technological solutions don’t discuss if these approaches are really working with real users in testing their comprehension. I was surprised that several NLP papers I read on the topic in the past weeks (apart from those mentioned above) talk about question generation approaches, evaluate on some dataset about the correctness or relevance of the “questions” generated (be it gap-filling or questions with a question mark). But, I haven’t seen anyone do an evaluation on the possible consumers of such an application. The only exception in my readings has been – Michael Heilman’s PhD thesis, where they evaluated their question generation approach as a possible assisting tool for teachers to prepare questions.

On one hand, I think this is a very interesting topic to work on, with all the possible commercial and not-so-commercial real-life impact it can have in these days of massive online education and non-conventional ways of learning. Clearly, there is a lot of work going on on various ways to generate questions automatically, which is a very useful method to have in such massive learning scenarios. We know what approaches “kind of” work and what don’t, in generating the questions as such. However, I wonder what exactly are we trying to achieve by not doing the final step of user evaluation with these computational approaches. If we do not know whether all the fancy approaches are going really doing what they are supposed to do (testing comprehension of the readers), what is the point? To use a Tennis term, the missing “follow through” is a problem for much of this work remaining unusable for the actual consumers of this kind of work – teachers, learners and other such people in a learning environment. I am not a dreamer, so I know the difficulties in working across groups and I can guess the reasons for the missing “follow through” (especially, as someone currently in the academia!).

The only way I see the “follow through” being possible is in an ed-tech company, since they have to do the user evaluation to get going 🙂 Perhaps I should wait and see if new ed-tech startups working on learning analytics and measuring learning outcomes can come up with effective solutions. On that optimistic note, I should perhaps end my post for now.

Acknowledgements: I have benefited a lot from the comments on these papers by Magdalena Wolska, Maria Chinkina, Martí Quixal, Xiaobin Chen and Simón Ruiz, who attended some or all of these meetings in the past few months. Long live discussions! 😉

Queen of the desert

నిన్న నికోల్ కిడ్మన్ నటించిన Queen of the Desert అన్న సినిమా చూశాము. Werner Herzog దర్శకుడు. అతని సినిమాలు నేను ఇదివరలో ఏవీ చూడలేదు కానీ, అతని గురించి చాలా విని/చదివి ఉన్నందువల్ల – అదేమిటి, ఈయన హాలీవుడ్ లో పెద్ద రిలీజులు కూడా తీస్తాడా? అన్న ఆశ్చర్యం కూడా సినిమా చూడ్డానికి ఒక కారణం. సినిమా ఒక బయోగ్రఫికల్ డ్రామా అనే చదివినా కూడా, బయోపిక్ అని అనుకున్నాను నేను..దర్శకుడి పేరు వల్ల. Gertrude Bell అన్న ఆవిడ జీవితాన్ని సినిమాగా తీశారు అన్నారు. నాకు బెల్ గురించి మొదట్లో తెలీదు. సినిమా సందర్భంగానే తెలుసుకున్నాను. చాలా ఆసక్తికరంగా అనిపించింది. ఇప్పుడు ఈ నేపథ్యం లో సినిమా కెళ్ళి వచ్చాము. కట్ చేస్తే:

a) ఆవిడ కథ ఏమిటి? ఆ సినిమాలో ఆ కథ ఎంత? ఆవిడ జీవితంలో ఉన్న డ్రామా ని కథలో చూపించకుండా కొత్త డ్రామా అంతా పెట్టడం ఏమిటి? అప్పుడది జీవిత గాథ ఎలా అవుతుంది? ఈ విధమైన cinematic liberties అందరూ తీసుకుంటూనే ఉంటారు అనుకుందాము.. కానీ Herzog?? అనేకమంది గొప్ప దర్శకుల చేత గొప్ప దర్శకుడు అనిపించుకున్న Herzog? హాలీవుడ్ అందరినీ అలా మార్చేస్తుంది అనుకోవాలా? ఆయన సినిమాలేవీ చూడనందువల్ల నేనిలా ఏదేదో ఊహించుకుంటున్నానో ఏమిటో!

b) ఆ డ్రామా సంగతి అటుపెడితే, ఒక్కోచోట సినిమానా డాక్యుమెంటరీ నా? అని సందేహం కలిగేలా ఉంది కథనం. బహుశా గొప్పోళ్ళు అంతే, మనకి అర్థం కారు అని సరిపెట్టుకోవాలేమో.

c) ఇవి అటు పెడితే, సినిమటోగ్రఫీ మట్టుకు అద్భుతం. ఆ ఎడారులు, అరేబియా ప్రాంతాలు, భవనాలు-ఇళ్ళ ఇంటా బయటా – ఎంత గొప్పగా చూపించారో!! చూడ్డానికి రెండు కళ్ళూ చాల్లేదు.

d) నికోల్ కిడ్మన్ – 48 ఏళ్ళ మనిషి సినిమా మొదట్లో టీనేజర్ లాగ కనిపిస్తుంది 😮 అలా ఎలా కనిపిస్తారో! సినిమా అంతా ఆమె పాత్ర రూపురేఖలు, ఆహార్యం మారిన తీరు, దానిని ఆవిడ ప్రదర్శించిన తీరు- అద్భుతమే. బాగా ఎమోషనల్ దృశ్యాల్లో కూడా ఆట్టే కన్నీటి బొట్లు రాల్చకుండానే, నోటి నుండి మాట రాకుండానే ఆవిడ నటించిన తీరు నన్ను ఆశ్చర్యపరిచింది. ఇంకా చెప్పుకుపోవచ్చు కానీ, ఆమె కోసం ఈ సినిమా చూసినట్లైంది లాస్టుకి 🙂

ఆ విధంగా, వికీపీడియాలాంటి చోట చదివినపుడు కూడా బాగా ఆసక్తికరంగా అనిపించిన కథ సినిమాలో మట్టుకు కొంచెం సాధారణంగా అనిపించింది అనమాట నాకు. కానీ, Gertrude Bell అంటే ఒక విధమైన కుతూహలం కలిగింది. అందువల్ల ఈ Herzog గారిని క్షమించదల్చుకున్నా.

ఆంగ్ల వర్ణక్రమం – తెలుగు వారి తప్పులు

ETS సంస్థ వారు TOEFL పరీక్ష విద్యార్థులు రాసిన వ్యాసాలను కొన్నింటిని పరిశోధనల నిమిత్తం విడుదల చేశారు. అందులో 11 భాషలకు చెందిన వాళ్ళు రాసిన ఆంగ్ల వ్యాసాలు ఉన్నాయి. వ్యాసాలు రాసిన వారి ఆంగ్ల ప్రావీణ్యాన్ని మూడు వర్గాలుగా విభజించారు (beginner, intermediate, advanced). మా డిపార్టుమెంటులో దాన్ని వాడేవాళ్ళు ఉన్నందువల్ల నాకు దానికి access ఉంది. దానితో నేనూ ఏదో కాలక్షేపానికి unix command line సాయంతో (నేను వాడినవి – aspell, awk, sort) తెలుగు వాళ్ళ ఇంగ్లీషు రాతల్లో ఉండే వర్ణక్రమ దోషాలు – వాటిలోని వెరైటీ గురించి పరిశీలిద్దాం అనుకున్నాను. ప్రస్తుతం పోస్టులో కింద కనబడే సంగతులు ఈ corpusలో తెలుగువాళ్ళు రాసిన తొమ్మిదొందల వ్యాసాల ఆధారంగా వచ్చిన సంఖ్యలు. తొమ్మిదొందలే ఎందుకు? మిగితా ఎందుకు వాడలేదు అంటే – రేప్పొద్దున దీని ఆధారంగా ఎవళ్ళన్నా ఏదన్నా థియరీ సృష్టిస్తే, దాన్ని టెస్టు చేయడానికి మరి కొత్త వ్యాసాలు ఉండాలి కదా! ఇప్పటికిప్పుడు తెలుగు వాళ్ళ ఆంగ్ల వ్యాసాలు వెదుక్కోడం కన్నా ఆల్రెడీ ఉన్నవి వాడుకుందాం ఫస్టు అన్న ఉద్దేశంతో తొమ్మిదొందలే వాడుకున్నా, ఉన్న పదకొండు వందల్లో. మచ్చుకి ఓ పది పదాలకి తెలుగు వారి ఆంగ్లంలో ఉన్న వివిధ స్పెల్లింగులు ఇవిగో:

ఒక చిన్న హెచ్చరిక: వీటిలో చాలా మటుకు టైపింగ్ పొరబాట్లో, మరేవో అయి ఉంటాయి కనుక దయచేసి దీన్ని బట్టి ఎవో థియరీలు ఊహించుకుని దానికి నన్ను బాధ్యురాలిని చేయకండి. నేనేమి పరిశోధనాపత్రం సమర్పించడంలేదు అని గమనించ ప్రార్థన!

academic:
acadamic 20
acadamics 1
acadamis 1
academig 1
acadimic 1
acadmic 1
acaemics 1
accadamic 2
accademic 5
acedemic 7

further
furrter 1
furter 1
furthur 3
futher 7
futhur 1

increase
incerease 1
incerese 1
incraese 1
incrase 2
increae 1
increse 5

knowledge:
knbowledge 1
knlowdge 12
knoldege 1
knoledge 4
knolwedge 1
knoweledge 1
knowkedge 1
knowldege 1
knowldge 2
knowlede 3
knowledege 5
knowledgw 1
knowlegde 5
knowlege 12
knowlendge 1
knowlwdge 1
knwledge 1
konowledge 1
konwledge 1

learning
leaniong 1
learing 5
learnig 5
learnin 3
learnind 1
learniong 1
leerning 1

maintenance
maintainance 2
maintainence 1
maintanance 1
maintance 1
maintanence 2

opportunity
oppertunity 1
opportinuity 1
opportuinity 2
oppourtunity 1
oppurtines 1
oppurtiny 1
oppurtunity 9
oppuryunity 1

particular
perticulal 1
perticular 30
pertucular 1
paricular 2
paritcular 2

people
peeople 2
peoeple 1
peole 10
peolpe 1
peolple 2
peope 3
peopel 4
peoplr 1
peple 8
peploe 1
pepole 2

young (1379)
yong 9
yonug 1
youbg 1
youg 2
youn 3
yound 1
younge 1
youngh 1
youngs 1

ఇలాంటి తరుచుగా కనబడే పదాలకి కూడా ఇంత వెరైటీగా రాస్తారనుకోలా! అదొక్కటే ఈ బ్లాగు టపా రాసుకోవడానికి కారణం. ఎవరన్నా భాషావేత్తలో, మరొకరో ఈ అంశం గురించి ఆసక్తి కలిగి ఉన్న పక్షంలో మొత్తం లిస్టు కావాలంటే వ్యాఖ్య వదలండి. కావాలంటే ఈమెయిల్ పంపగలను.