تحلیل پیکره بنیان متون فارسی میانه بر مبنای پایگاه داده پارسیگ

رویکرد نوین در مطالعات زبان ‎شناختی یا یک پدیده زبانی بر اصل وجود مجموعه ای از داده های زبانی گردآوری شده نهادینه شده ‎است؛ بنابراین به تهیه یک پیکره زبانی نیاز  است که از تولیدات واقعی گویشوران و نه براساس شم زبانی فردی گردآوری شده‎است. این شیوه پژوهشی برای بررسی داده‎ های زبانی تاریخی که جزء زبان های مرده است و اکنون هیچگونه گویشوری ندارد از اهمیت به‎ سزایی برخوردار است. هدف از انجام این پژوهش، تهیه پیکره زبان پهلوی ساسانی (فارسی میانه) و ساماندهی آن در یک پایگاه است. برای هر واژه، شش لایه اطلاعاتی، اعم از حرف‏ نویسی متن پهلوی، آوانویسی واژه ها به همراه ترجمه فارسی آنها، تعیین مقوله دستوری دانه‎ریز واژه ها، بن واژه سازی واژه ها و تعیین هزوارش بودن آنها، تعریف شده‎ است. برای مقوله دستوری دانه‎ ریز واژه‎ ها، مجموعه برچسب مقولات دستوری فارسی معاصر تهیه‎ شده توسط بی‎جن‎خان و همکاران (2011) و ساختارمندشده توسط قیومی (2014) باتوجه‏ به نیازهای زبان پهلوی جرح و تعدیل شده است و از مجموعه جدید برای برچسب‎ گذاری واژه‎ های پهلوی استفاده شده است. پس ‎از نشانه گذاری واژه‎ها و ساماندهی اطلاعات، امکان استخراج اطلاعات آماری وجود دارد که می‎تواند بینش عمیق‎تری از محتوای متن منتقل نماید. ازاین رو، اطلاعات آماری از پیکره به دست آمده استخراج شده و توضیح داده می شود تا دورنمای کلی نسبت به منابع تشکیل دهنده این پیکره به دست آید.