تحریر :شہباز علی سولنگی
کسی پرانی اردو
کتاب کا صاف ستھرا اسکین انٹرنیٹ پر رکھ دینا بلاشبہ علمی خدمت ہے۔ کتاب جو کبھی
کسی مخصوص کتب خانے، نجی ذخیرے یا شکستہ جلد کے اندر محدود تھی، دنیا کے دوسرے حصے
میں بیٹھے قاری تک پہنچ جاتی ہے۔ مگر صفحے کی تصویر دستیاب ہو جانے سے متن مدون نہیں
ہو جاتا۔ اگلا مرحلہ اس وقت شروع ہوتا ہے جب اسکین سے عبارت اخذ کی جائے، املا
پہچانا جائے، مشتبہ مقامات اصل صفحے سے ملائے جائیں، مختلف نسخے سامنے رکھے جائیں،
اختلافات کا اندراج ہو اور مدون اپنی تصحیح یا انتخاب کے اسباب قاری کے سامنے
رکھے۔ ڈیجیٹل ماحول نے اس پورے عمل کی رفتار بدل دی ہے، اصول نہیں مٹائے۔ اردو میں
تدوین متن کی علمی روایت نسخوں کی صحت، اختلاف نسخ، بنیادی نسخے کے انتخاب، قیاسی
تصحیح، حواشی اور مدون کی ذمہ داری جیسے مسائل سے پہلے ہی واقف تھی۔ نئی صورت حال
میں پرانے سوالات ختم نہیں ہوئے بلکہ ان کے ساتھ چند ایسے مسائل شامل ہو گئے ہیں
جن کا تعلق حرف کی برقی شناخت، متن کی مشینی قرأت، ڈیجیٹل نسخوں کی بقا اور ایک ہی
عبارت کی مختلف کمپیوٹیشنل صورتوں سے ہے۔ ۲۰۲۵ء میں اردو نثری داستانوں کی تدوینی روایت
پر شائع ہونے والی تحقیق بھی متن کی صحت اور علمی دیانت کو بنیادی تدوینی اقدار میں
شمار کرتی ہے۔ ڈیجیٹل عہد نے انہی اقدار کے لیے ایک نیا عملی میدان پیدا کیا ہے۔
طباعت کے زمانے میں
مدون کے سامنے عموماً ایک واضح مادی شے ہوتی تھی۔ مخطوطہ، مطبوعہ نسخہ، مصنف کا
مسودہ یا پہلے سے شائع شدہ کتاب۔ ڈیجیٹل دنیا نے متن کو ایک سے زیادہ صورتوں میں
تقسیم کر دیا ہے۔ ایک ہی کتاب کی صفحاتی تصویر الگ موجود ہو سکتی ہے، OCR سے اخذ شدہ عبارت الگ، پروف ریڈ کیا ہوا متن
الگ، سرچ کے لیے تیار کیا گیا متن الگ اور قاری کو دکھائی جانے والی ویب صورت الگ۔
ان سب کو ایک دوسرے کا مترادف سمجھنا تدوینی غلطی کا آغاز بن سکتا ہے۔ صفحے کی تصویر
اصل نسخے کی بصری شہادت دیتی ہے مگر اس میں تلاش اور تقابل مشکل رہتا ہے۔ OCR مشین کے لیے قابل خواندگی پیدا کرتا ہے مگر
غلطی ساتھ لاتا ہے۔ درست کیا ہوا متن مطالعے میں سہولت دیتا ہے مگر مدون کی مداخلت
کو بڑھاتا ہے۔ معیاری املا میں تبدیل شدہ متن تلاش اور شماریاتی تحقیق کے لیے مفید
ہو سکتا ہے مگر تاریخی املا کی شہادت مٹا سکتا ہے۔ ڈیجیٹل تدوین کا پہلا سنجیدہ
اصول لہٰذا کسی ایک صورت کو مکمل متن سمجھ لینے کے بجائے مختلف سطحوں کو الگ شناخت
دینا ہے۔ قاری کو معلوم ہونا چاہیے کہ وہ مصور نسخہ دیکھ رہا ہے، حرف بہ حرف نقل
پڑھ رہا ہے، تصحیح شدہ متن استعمال کر رہا ہے یا جدید املا میں تیار کی گئی تحقیقی
سہولت۔
ڈیجیٹل متن کی سب
سے عام غلط فہمی
OCR سے وابستہ ہے۔ Optical Character Recognition کسی صفحے کی تصویر کو ایسے حروف
میں بدلتا ہے جنہیں کمپیوٹر پڑھ، تلاش اور نقل کر سکے۔ انگریزی اور بعض دوسری رسم
الخطی زبانوں میں طویل ترقی کے بعد اس ٹیکنالوجی کی صحت بہت بہتر ہوئی، مگر اردو
نستعلیق کے مسائل مختلف نوعیت رکھتے ہیں۔ حرف ایک دوسرے کے ساتھ جڑتے ہیں، شکل
مقام کے لحاظ سے بدلتی ہے، نقطوں کی تعداد اور جگہ امتیاز پیدا کرتی ہے، الفاظ اور
حروف کی سطح پر بصری تداخل ہو سکتا ہے اور پرانے مطبوعات میں کاغذ، روشنائی، طباعت
اور اسکین کے معیار بھی شناخت پر اثر ڈالتے ہیں۔ اردو OCR پر ہونے والی تحقیق نے cursiveness، نقطوں کی جگہ، باہم ملتے جلتے حروف، ligatures، skew اور noise کو مسلسل بنیادی مسائل میں شمار کیا ہے۔
پرانے نستعلیق پر ابتدائی تحقیق نے بھی بتایا تھا کہ حروف کی مختلف وضع اور باہمی overlap شناخت کو مشکل بناتے ہیں۔ اس بنا پر OCR کو مدون کا معاون سمجھنا درست ہے، مصحح نہیں۔
مشین عبارت تجویز کر سکتی ہے، اصل لفظ کا فیصلہ نسخے اور سیاق سے ہوگا۔
حالیہ برسوں میں
صورتحال تیزی سے بدلی ہے اور پرانی مایوسی کو بھی مستقل حقیقت نہیں سمجھنا چاہیے۔
مئی ۲۰۲۶ء میں شائع
ہونے والی ایک تحقیق نے اردو اخبارات پر روایتی OCR اور جدید بڑے لسانی ماڈلوں کا تقابلی مطالعہ
کیا۔ تحقیق میں کثیر ستونی صفحات، کم معیار کے اسکین اور نستعلیق کے اسلوبی
اختلافات کو بڑی رکاوٹوں میں شمار کیا گیا۔ محققین نے ۸۲۹ پیراگراف تصاویر اور ۹۹۸۲ جملوں پر مشتمل ایک نیا اردو نیوزپیپر
بینچ مارک بھی تیار کیا اور تصویری معیار بہتر کرنے، صفحاتی حصے الگ شناخت کرنے
اور جدید ماڈل استعمال کرنے سے نمایاں بہتری دکھائی۔ نتیجہ امید افزا ہے مگر تدوینی
اصول پھر بھی تبدیل نہیں ہوتا۔ بہتر OCR کم
غلطیاں کرتا ہے، غلطی سے پاک متن پیدا کرنے کی ضمانت نہیں دیتا۔ خاص طور پر شعری
متن، قدیم املا، شکستہ طباعت، غیر معروف اعلام، فارسی تراکیب اور نادر الفاظ میں ایک
بظاہر معمولی حرفی تبدیلی پورے مفہوم، وزن یا تاریخی شہادت کو بدل سکتی ہے۔ مشین کی
ترقی مدون کی ضرورت ختم نہیں کرتی بلکہ اسے بے مقصد نقل نویسی سے نکال کر زیادہ
مشکل فیصلوں کے لیے وقت فراہم کر سکتی ہے۔
ڈیجیٹل اردو متن کا
دوسرا مسئلہ آنکھ سے کم اور کمپیوٹر کے اندر زیادہ دکھائی دیتا ہے۔ دو الفاظ صفحے
پر بالکل ایک جیسے نظر آ سکتے ہیں مگر ان کے حروف مختلف Unicode code points کے ذریعے محفوظ ہوئے ہوں۔ اردو،
فارسی اور عربی مشترک رسم الخط استعمال کرتے ہیں مگر بعض حروف کے لیے الگ برقی
شناختیں موجود ہیں۔ Unicode کی
موجودہ دستاویزات واضح کرتی ہیں کہ U+06CC یعنی
فارسی یے اردو میں مستعمل ہے اور اردو کی بڑی ے کے لیے U+06D2 الگ حرف موجود ہے۔ اسی طرح اردو کے مخصوص ہ،
دو چشمی ھ اور دوسرے حروف کی اپنی شناخت ہے۔ غلط کی بورڈ، پرانی فونٹ encoding یا PDF سے نقل کرنے کے باعث عربی ی، فارسی ی، عربی
ک اور اردو یا فارسی ک بظاہر ایک جیسے الفاظ میں گھل سکتے ہیں۔ انسانی قاری
"کتاب" دونوں صورتوں میں ایک ہی پڑھ لے گا مگر کمپیوٹر تلاش کرتے وقت
انہیں دو مختلف
strings تصور کر
سکتا ہے۔ نتیجہ یہ کہ ایک لفظ corpus میں
موجود ہونے کے باوجود سرچ میں نہ آئے، frequency غلط
ہو، دو یکساں اقتباسات مختلف قرار پائیں یا automated collation بے معنی اختلافات پیدا کرے۔ اردو
مدون کو اب صرف املا نہیں، حرف کی برقی شناخت سے بھی واقف ہونا پڑے گا۔
برقی یکسانیت کی
ضرورت سے فوراً ایک مشکل سوال پیدا ہوتا ہے۔ کیا ہر مختلف حرفی صورت کو معیاری Unicode شکل میں بدل دینا چاہیے۔ جواب متن کے مقصد
پر منحصر ہے۔ تاریخی تدوین میں اصل نسخے کی املا خود ایک شہادت ہو سکتی ہے۔ کسی
مصنف نے "کیونکر" لکھا یا "کیونکہ"، کسی قدیم مطبوعے میں ہمزہ
کس صورت سے آیا، عربی و فارسی اضافات کس انداز سے ثبت ہوئیں، وقف و اعراب کیسے
استعمال ہوئے، ان سب کو اندھا دھند جدید صورت میں تبدیل کرنا تاریخ کے ایک حصے کو
ضائع کر سکتا ہے۔ دوسری طرف مشینی تلاش، corpus analysis اور لفظی تقابل کے لیے کسی حد تک normalization ضروری ہوتی ہے۔ زیادہ پائیدار طریقہ دو سطحیں
قائم کرنا ہے۔ ایک سطح اصل شہادت کے زیادہ قریب رہے، دوسری تحقیقی تلاش کے لیے معیاری
بنائی جائے۔ مدون اگر normalization کرے
تو قاعدہ پہلے طے کرے اور واضح لکھے کہ کن حروف، اعراب، کشیدہ، رموز یا املائی
صورتوں میں تبدیلی کی گئی ہے۔ خاموش normalization ڈیجیٹل
عہد کی قیاسی تصحیح بن سکتی ہے، فرق اتنا ہے کہ اس کی غلطی ہزاروں مقامات پر
خودکار طور پر پھیل سکتی ہے۔
اردو تدوین میں
اختلاف نسخ کا مسئلہ ڈیجیٹل ماحول میں کم نہیں ہوا بلکہ زیادہ قابل مشاہدہ ہو گیا
ہے۔ مخطوطہ الف میں ایک لفظ ہے، نسخہ ب میں دوسرا، پہلی طباعت میں جملے کی ترتیب
بدل گئی، مصنف کی زندگی میں شائع شدہ دوسری اشاعت میں عبارت درست ہوئی اور بعد کے
ناشر نے خاموشی سے املا جدید بنا دیا۔ طباعتی ایڈیشن میں مدون ایک بنیادی متن
منتخب کرکے حاشیے میں اختلاف لکھتا تھا۔ ڈیجیٹل scholarly edition ایک قدم آگے جا سکتی ہے۔ Text Encoding Initiative کی رہنما ہدایات مختلف textual witnesses، readings اور editorial choices کو باقاعدہ structure میں محفوظ کرنے کی سہولت دیتی ہیں۔ TEI کے critical apparatus میں مختلف قرأتیں الگ درج کی جا
سکتی ہیں، ان قرأتوں کو متعلقہ نسخوں سے منسلک کیا جا سکتا ہے اور مدون اپنے
انتخاب، ذمہ داری اور یقین کی سطح بھی نشان زد کر سکتا ہے۔ ڈیجیٹل صفحے کی بڑی خوبی
یہ ہے کہ قاری چاہے تو منتخب متن پڑھے، چاہے کسی خاص نسخے کی قرأت سامنے لائے اور
چاہے تمام اختلافات ایک ساتھ دیکھے۔ مطبوعہ حاشیے کی جگہ ایک متحرک تدوینی نظام پیدا
ہو سکتا ہے۔
TEI کا ذکر تکنیکی نمائش کے طور پر
نہیں ہونا چاہیے۔ اس کی اصل اہمیت تدوینی فکر میں ہے۔ XML پر قائم encoding کے ذریعے متن کا کوئی حصہ صرف اس لیے نشان
زد نہیں کیا جاتا کہ کمپیوٹر اسے خوب صورت دکھائے۔ مدون بتا سکتا ہے کہ فلاں لفظ
مصنف کا اضافہ ہے، فلاں جگہ کاتب نے حذف کیا، کسی لفظ کی قرأت مشکوک ہے، فلاں نام
شخص ہے، دوسری جگہ مقام، تیسرے مقام پر اقتباس، حاشیہ یا عنوان۔ متن کے اندر موجود scholarly interpretation الگ layer میں محفوظ ہو جاتی ہے۔ TEI P5 کی موجودہ ہدایات فروری ۲۰۲۶ء میں بھی فعال طور پر اپ ڈیٹ ہو
رہی تھیں، جس سے اندازہ ہوتا ہے کہ برقی متن کی encoding کوئی منجمد فارمولا نہیں بلکہ علمی برادری
کے تجربے کے ساتھ بڑھنے والا معیار ہے۔ اردو کے لیے فائدہ اس وقت زیادہ ہوگا جب
مدون انگریزی یا یورپی متون کے tag structure کی
نقل کرنے کے بجائے اپنی لسانی، شعری اور مخطوطاتی ضرورت کے مطابق واضح encoding policy مرتب کرے۔
اردو میں اس سمت کے
عملی تجربات اب مفروضہ نہیں رہے۔ ۲۰۲۴ء
میں
TEI کانفرنس میں پیش
کیے گئے ایک منصوبے نے انیسویں صدی کے اردو مرثیے کا TEI encoded digital archive تیار کرنے کے مسائل بیان کیے۔
منصوبے میں پرانے اردو متون کی اسکین شدہ مگر ناقابل تدوین صورت، نستعلیق کی پیچیدگی،
OCR کے بعد دستی تصحیح، metadata اور contextual annotation کی ضرورت پر خاص توجہ دی گئی۔
تحقیق کا اہم نکتہ یہ تھا کہ digital archive تب زیادہ معنی خیز بنتا ہے جب تصویر کے ساتھ structured text بھی موجود ہو، جسے تلاش کیا جا سکے اور جس میں
شخصیات، مقامات، واقعات اور دوسرے عناصر نشان زد کیے جا سکیں۔ اردو مرثیے جیسی صنف
میں جہاں نام، مقامات، مذہبی حوالے، بند، مصرعے اور روایتی ترکیبیں فنی ساخت کا
حصہ ہیں، ایسی
encoding مستقبل میں
محض مطالعے نہیں بلکہ لسانی اور ادبی تحقیق کے نئے سوالات پیدا کر سکتی ہے۔
مصور صفحے اور برقی
عبارت کا رشتہ مضبوط رکھنا ڈیجیٹل تدوین کی بنیادی شرطوں میں شامل ہونا چاہیے۔ کسی OCR شدہ جملے میں لفظ مشتبہ نکلے تو محقق کو
پورا
PDF کھول کر صفحات
گننے پر مجبور نہ ہونا پڑے۔ بہتر edition میں
عبارت کا متعلقہ حصہ اصل صفحے سے مربوط ہو۔ صفحہ نمبر، تصویر، manuscript folio یا line reference محفوظ ہوں تاکہ ہر reading کی بصری شہادت فوراً دیکھی جا سکے۔ ۲۰۲۶ء میں شائع ہونے والا Diachronic Urdu Text and Image Corpus اسی اصول کی ایک اہم عملی مثال
فراہم کرتا ہے۔ ایک ملین الفاظ کے اس ذخیرے میں ۱۸۰۰ء سے ۱۹۵۰ء کے درمیان شائع ہونے والی ۳۲۸ کتابیں شامل کی گئیں اور متن کو
متعلقہ صفحاتی تصویر کے ساتھ جوڑا گیا۔ منصوبے کا مقصد تاریخی املا، صرف و نحو اور
زبان میں تبدیلی کی تحقیق کے لیے ایسی صورت مہیا کرنا تھا جس میں قابل مشینی متن
کے ساتھ اصل مطبوعہ شہادت بھی برقرار رہے۔ اردو تدوین کے لیے یہ طریقہ بہت اہم ہے
کیونکہ
normalized text کی
سہولت اصل صورت کی قربانی دیے بغیر فراہم کی جا سکتی ہے۔
صفحے کی تصویر
محفوظ رکھنے کا ایک اور فائدہ مدون کی غلطی کو قابل تصحیح بنانا ہے۔ مطبوعہ ایڈیشن
میں کسی غلط
reading کے چھپ
جانے کے بعد اگلی اشاعت تک انتظار کرنا پڑ سکتا ہے۔ آن لائن edition میں تصحیح فوراً ممکن ہے، مگر یہ سہولت علمی
خطرہ بھی پیدا کرتی ہے۔ اگر عبارت خاموشی سے بدلتی رہے تو قاری کبھی نہیں جان سکے
گا کہ اس نے کون سا version استعمال
کیا تھا۔ ڈیجیٹل تدوین کا اصول ہونا چاہیے کہ ہر نمایاں تبدیلی کا ریکارڈ باقی
رہے۔ تاریخ، مدون یا مصحح کا نام، تبدیلی کی نوعیت اور سابقہ reading محفوظ کی جائے۔ مقالے میں کسی digital edition کا حوالہ دیتے وقت access date کے ساتھ version یا release identifier دینا مستقبل میں زیادہ ضروری
ہوگا۔ قابل ترمیم ہونا علمی فائدہ ہے، مسلسل غیر مرئی تبدیلی علمی کمزوری۔ ڈیجیٹل
متن کو کتاب سے زیادہ زندہ سمجھنے کا مطلب یہ نہیں کہ اس کی تاریخ مٹا دی جائے۔ ہر revision بھی متن کی scholarly history کا حصہ ہے۔
مدون کی مداخلت ڈیجیٹل
ماحول میں کہیں زیادہ آسان ہونے کے باعث کہیں زیادہ خطرناک بھی ہے۔ printed text میں کسی لفظ کی تصحیح الگ عمل محسوس ہوتی تھی۔ computer workflow میں search and replace کے ذریعے ایک فیصلہ سینکڑوں
مقامات پر نافذ کیا جا سکتا ہے۔ مثلاً کسی قدیم املائی صورت کو جدید بنانے کی
خواہش چند سیکنڈ میں پوری کتاب بدل سکتی ہے۔ غلط rule کے نتیجے میں صحیح historical forms بھی ختم ہو سکتے ہیں۔ automation استعمال کرتے وقت تین درجے مفید رہتے ہیں۔
پہلے مشین ممکنہ مسئلہ نشان زد کرے، پھر انسانی مدون سیاق کے مطابق فیصلہ کرے، آخر
میں تبدیلی کا
rule اور scope محفوظ ہو۔ ہزار الفاظ کی mechanical correction علمی تدوین تب ہی کہلائے گی جب
معلوم ہو کہ کیا بدلا، کیوں بدلا اور اصل صورت کہاں محفوظ ہے۔ otherwise صاف نظر آنے والا متن تاریخی اعتبار سے زیادہ
ناقابل اعتماد ہو سکتا ہے۔
مصنف کی زبان اور
ناشر کی طباعتی
convention میں فرق
قائم رکھنا بھی برقی تدوین میں اہم ہے۔ قدیم مطبوعات میں compositor، کاتب، مصحح اور مطبع کے اثرات متن میں داخل
ہو سکتے ہیں۔ ہر املائی فرق کو مصنف کی منشا سمجھنا درست نہیں اور ہر غیر معمولی spelling کو printing error کہہ دینا بھی خطرناک ہے۔ manuscript tradition میں handwriting، correction marks، marginal
additions اور
مختلف ہاتھ مدون کو مادی نشان دیتے ہیں۔ digital transcription میں یہ نشان plain text میں غائب ہو جاتے ہیں۔ structured encoding کا فائدہ تب سامنے آتا ہے جب deletion، insertion، unclear
reading،
marginal note اور مختلف ہاتھوں کی نسبت الگ
محفوظ کی جائے۔ مدون اگر ان سب کو ایک صاف paragraph میں dissolve کر دے تو قاری کو خوش خوان متن تو ملتا ہے، manuscript کی تاریخ نہیں۔ ڈیجیٹل تدوین کا
مقصد کاغذ کی پیچیدگی مٹانا نہیں بلکہ اسے ایسی صورت میں منتقل کرنا ہے جسے انسان
اور مشین دونوں سمجھ سکیں۔
AI نے مسئلے کو ایک نئی سطح پر
پہنچا دیا ہے۔ کوئی جدید ماڈل شکستہ OCR کی
عبارت دیکھ کر ممکنہ درست لفظ بتا سکتا ہے، missing punctuation لگا سکتا ہے، غیر واضح جملے کو
لغوی سیاق سے
reconstruct کر
سکتا ہے اور مختلف نسخوں میں اختلافات جلد دکھا سکتا ہے۔ فائدہ حقیقی ہے، مگر خطرہ
بھی معمولی نہیں۔ لسانی ماڈل وہ reading پیش
کر سکتا ہے جو زبان کے لحاظ سے بہت معقول ہو مگر نسخے میں موجود نہ ہو۔ تدوین متن
میں
plausible لفظ اور documented لفظ ایک چیز نہیں۔ اگر اصل صفحہ "غریب"
دکھاتا ہے اور
model سیاق کی بنا
پر "قریب" تجویز کرتا ہے تو فیصلہ مشین کی linguistic fluency سے نہیں، manuscript evidence سے ہوگا۔ AI کی تجویز کو قیاسی تصحیح کی جدید صورت سمجھا
جا سکتا ہے۔ قیاس کی طرح اس کے لیے بھی ضرورت، دلیل اور اعلان لازم ہے۔ کسی machine generated correction کو اصل مصنف کی عبارت بنا کر
خاموشی سے شامل کرنا علمی دیانت کے خلاف ہوگا۔
تازہ اردو تحقیق
خود
OCR،
plagiarism detection اور corpus کی کمی کے باہمی تعلق کی طرف توجہ دلا رہی
ہے۔ ۲۰۲۶ء میں دریافت
میں شائع ہونے والے ایک مقالے نے نستعلیق ligatures، OCR اور
وسیع
machine readable corpus کی
عدم دستیابی کو اردو تحقیق کے اہم مسائل میں شمار کیا۔ مسئلہ صرف software کی سہولت کا نہیں۔ کلاسیکی اور قدیم اردو کا
بڑا حصہ جب
searchable text میں
موجود نہ ہو تو
plagiarism detection، corpus
comparison،
intertextuality اور بڑے پیمانے کی ادبی تحقیق
خود بخود محدود رہتی ہے۔ برقی تدوین لہٰذا کتاب بچانے کا کام ہی نہیں، مستقبل کی
تحقیق کے لیے بنیادی data تیار
کرنے کا عمل بھی ہے۔ غلط تدوین شدہ corpus کا
نقصان بھی اسی نسبت سے بڑھ جاتا ہے۔ کسی ایک کتاب کی غلطی ایک قاری تک محدود رہ
سکتی ہے، corpus میں شامل غلطی ہزاروں خودکار
نتائج کا حصہ بن سکتی ہے۔
ڈیجیٹل تدوین میں metadata کو اکثر فنی اضافی کام سمجھ کر آخر میں چھوڑ
دیا جاتا ہے، حالانکہ اس کے بغیر متن کی علمی شناخت ادھوری رہتی ہے۔ کتاب کا
عنوان، مصنف، کاتب، ناشر، مطبع، سن اشاعت، نسخے کا موجودہ مقام، shelf mark، صفحات کی تعداد، زبان، رسم الخط، مادی حالت،
سابقہ مالک، digitization
date اور استعمال
ہونے والے
source کی شناخت بنیادی
معلومات ہیں۔ اگر کسی ویب سائٹ پر "کلیات میر" کے نام سے متن موجود ہے
مگر یہ معلوم نہیں کہ کس ایڈیشن سے لیا گیا، کس نے ٹائپ کیا، کیا normalization ہوئی اور proof کس نے کیا تو quotation کے لیے اس کی علمی قدر محدود رہتی ہے۔ ڈیجیٹل
متن کا خوب صورت
interface provenance کی
جگہ نہیں لے سکتا۔ تدوین کی روایت میں شجرہ نسخ اور مآخذ جتنے اہم تھے، برقی ماحول
میں
metadata اور provenance اتنے ہی اہم ہو گئے ہیں۔
پرانے نسخوں کے
تحفظ میں
digitization کی
اہمیت کو کم نہیں سمجھنا چاہیے۔ Hill Museum and Manuscript Library نے پاکستان میں انجمن ترقی اردو کراچی کے
مخطوطات کی
digitization کا
منصوبہ ۲۰۲۰ء میں شروع
کیا اور بعد میں دوسرے پاکستانی کتب خانوں کے ساتھ بھی کام بڑھایا۔ انجمن کے ذخیرے
کی خاص تاریخی اہمیت اس بنا پر بھی ہے کہ تقسیم ہند کے بعد اس کے نسخے دہلی اور
پاکستان میں الگ ہو گئے تھے۔ ڈیجیٹل صورت کبھی جسمانی طور پر جدا collections کو علمی سطح پر دوبارہ قریب لا سکتی ہے۔ مگر digitization کا اگلا مرحلہ cataloging، transcription، collation
اور scholarly editing ہے۔ تصویر حفاظت کا آغاز ہے، متن کی علمی
زندگی کا آخری مرحلہ نہیں۔
اسلامی اور جنوبی ایشیائی
متون کے لیے بننے والے نئے digital humanities مراکز بتاتے ہیں کہ مستقبل کا محقق زبان اور کمپیوٹر کے درمیان
زیادہ گہرا رشتہ قائم کرے گا۔ آغا خان یونیورسٹی کے Centre for Digital Humanities نے عربی رسم الخط کی علمی روایت
پر
OCR،
handwritten text
recognition،
natural language
processing اور text reuse جیسے میدانوں میں کام کو اپنی تحقیق کا حصہ
بنایا ہے اور
Open Islamicate Text Initiative میں عربی، فارسی، اردو اور دوسری زبانوں کے machine readable corpora کی تیاری سے وابستگی بیان کی ہے۔
ایسے منصوبوں کی اہمیت اردو ادب کے لیے دور رس ہے۔ اگر معتبر مدونہ متون structured corpus میں آئیں تو محقق کسی لفظ کی دو سو برس کی
تبدیلی، کسی مصرعے یا مضمون کے بین المتونی سفر، مخصوص مصنف کے لغوی رجحان یا
مختلف ادوار کے املائی فرق کو ایسی وسعت میں دیکھ سکے گا جو روایتی انفرادی مطالعے
میں ممکن نہ تھی۔
بڑے corpus کی کشش کے باوجود quantity کو textual authority کا بدل نہیں بننا چاہیے۔ دس لاکھ الفاظ کا
ناقص متن دس ہزار درست الفاظ سے زیادہ خطرناک ہو سکتا ہے۔ ڈیجیٹل humanities میں statistical result کی صحت underlying text پر منحصر ہے۔ اگر OCR نے "نہ" کو "یہ"،
"دل" کو "دلل" یا شاعر کے نام کو دو مختلف شکلوں میں محفوظ کیا
ہو تو
frequency اور network analysis غلط سمت جا سکتے ہیں۔ classical poetry میں مصرعوں کی segmentation خراب ہو تو عروضی یا اسلوبی تجزیہ متاثر
ہوگا۔
historical prose میں punctuation جدید مدون نے شامل کی ہو اور corpus اسے مصنف کی punctuation سمجھے تو نتیجہ بھی مشکوک ہوگا۔ برقی تدوین
کی قدر اس وقت بڑھتی ہے جب computational usability اور philological fidelity کو ایک دوسرے کی ضد نہ بنایا
جائے۔
اردو متن کے لیے diplomatic transcription اور normalized reading text کی دوہری صورت بہت کارآمد ثابت
ہو سکتی ہے۔ پہلی صورت اصل نسخے کے املا، رموز، ممکنہ غلطیوں اور صفحاتی ترتیب سے
زیادہ وفادار رہے۔ دوسری قاری اور سرچ کی سہولت کے لیے محتاط normalization فراہم کرے۔ دونوں کے درمیان ربط برقرار ہو
تاکہ
normalized لفظ پر click کرکے اصل reading دیکھی جا سکے۔ شعری متون میں مصرع، شعر، بند
اور غزل کی ساخت الگ نشان زد ہو۔ نثر میں ابواب، عنوانات، حواشی اور اقتباسات
محفوظ رہیں۔ غیر واضح الفاظ کو تخمینے سے صاف کر دینے کے بجائے uncertainty درج کی جائے۔ حذف شدہ عبارت، کاتب کا اضافہ
اور مدون کی تکمیل الگ پہچانی جائے۔ TEI جیسے
معیارات کی طاقت اسی transparency میں
ہے۔
technology تدوینی
فیصلہ نہیں کرتی، فیصلہ کو traceable بناتی
ہے۔
قاری کے کردار میں
بھی تبدیلی آئی ہے۔ printed critical edition میں وہ مدون کے منتخب متن اور apparatus کے درمیان حرکت کرتا تھا۔ interactive edition میں وہ مختلف witnesses سامنے رکھ سکتا ہے، image اور transcription ساتھ دیکھ سکتا ہے، search کر سکتا ہے اور بعض منصوبوں میں اپنی annotation بھی شامل کر سکتا ہے۔ TEI کی critical apparatus guidelines اس امکان کی طرف واضح اشارہ کرتی
ہیں کہ
digital edition مختلف witness readings کو interactively دکھا سکتی ہے۔ ایسی آزادی مدون کی authority ختم نہیں کرتی بلکہ اسے زیادہ قابل جانچ
بناتی ہے۔ بہترین تدوین وہ نہیں جس میں قاری کو مدون کے فیصلے پر اندھا اعتماد
کرنا پڑے بلکہ وہ جس میں فیصلہ اور evidence دونوں
دستیاب ہوں۔
ایک اور اصول format کی پائیداری سے متعلق ہے۔ proprietary software میں بند متن، غیر معروف فونٹ encoding، تصویر کے طور پر محفوظ عبارت یا ایسے PDF جن سے حروف درست طور پر extract نہ ہوں، وقتی سہولت تو دیتے ہیں مگر طویل
مدت میں مسئلہ بن سکتے ہیں۔ Unicode، XML اور documented open standards کا فائدہ صرف تکنیکی compatibility نہیں۔ علمی سرمایہ کسی ایک کمپنی، فونٹ یا software version سے آزاد رہتا ہے۔ بیس برس بعد بھی فائل پڑھی،
migrate اور دوبارہ استعمال کی جا سکتی
ہے۔
Urdu publishing کی
تاریخ نے پہلے ہی ایسے font systems دیکھے
ہیں جن کی
legacy files نئی
مشینوں پر مشکل سے کھلتی ہیں۔ ڈیجیٹل تدوین اگر preservation کا دعویٰ کرتی ہے تو data longevity کو شروع ہی سے منصوبے میں شامل کرنا ہوگا۔
تدوین متن ہمیشہ
انتخاب کا علم رہی ہے۔ ڈیجیٹل عہد نے انتخاب کو ختم نہیں کیا بلکہ اس کی تہیں بڑھا
دی ہیں۔ کون سا نسخہ scan ہوگا،
OCR کس model سے ہوگا، کون سا حرف normalize ہوگا، کون سی reading base text میں آئے گی، variant کس حد تک درج ہوگا، image کس resolution سے محفوظ ہوگی، metadata میں کون سی معلومات شامل ہوں گی اور online interface قاری کو کیا دکھائے گا۔ ہر technical choice کے اندر editorial judgment موجود ہے۔ technology کو غیر جانب دار آلہ سمجھ لینے سے یہی فیصلے
چھپ جاتے ہیں۔ مدون کو computer programmer بننا ضروری نہیں، مگر اسے اپنے workflow کی علمی معنویت سمجھنی ہوگی۔ اسی طرح technical expert کو بھی یہ جاننا چاہیے کہ text cleaning ہمیشہ صفائی نہیں، کبھی تاریخی شہادت کا حذف
بھی ہو سکتی ہے۔
اردو کی ڈیجیٹل تدوین
کے سامنے سب سے بڑا موقع شاید accessibility ہے۔
وہ نسخے جن تک پہلے چند محقق پہنچ سکتے تھے، اب عالمی سطح پر دستیاب ہو سکتے ہیں۔
مختلف ملکوں میں موجود نسخے ایک ہی virtual workspace میں تقابل کے لیے سامنے آسکتے ہیں۔ searchable text نئی نسل کے قاری کے لیے مشکل کتب تک رسائی
آسان بنا سکتا ہے۔ transliteration، glossary، annotation اور linked images متن کو مختلف علمی سطحوں پر قابل استعمال
بنا سکتے ہیں۔ مگر سہولت اور صحت میں سے ایک کا انتخاب ضروری نہیں۔ اچھا digital edition دونوں کو ساتھ رکھ سکتا ہے۔ اصل صفحہ ماہر
کے لیے، normalized
reading عام قاری
کے لیے، apparatus محقق کے لیے اور machine readable encoding computational
research کے لیے۔ ایک
ہی متن مختلف سطحوں پر زندہ رہ سکتا ہے۔
خطرہ اس وقت پیدا
ہوتا ہے جب تیزی علمی ضبط پر غالب آ جائے۔ ہزار کتابیں OCR کرکے اپ لوڈ کرنا متاثر کن عدد ہے، لیکن اگر source، proofing اور correction policy معلوم نہ ہو تو corpus کا حجم اس کی سند نہیں بن سکتا۔ دوسری طرف ایک
چھوٹے مگر شفاف منصوبے میں پانچ کتابیں ایسی تیار کی جائیں جن کا ہر صفحہ اصل تصویر
سے مربوط ہو، OCR
manually verified ہو،
Unicode policy واضح ہو اور editorial interventions درج ہوں تو مستقبل کی تحقیق کے لیے
ان کی قدر زیادہ ہو سکتی ہے۔ اردو کو digitization کی
تعداد کے ساتھ
digital scholarship کے
معیار پر بھی گفتگو شروع کرنا ہوگی۔
برقی تدوین نے مدون
کے لیے ایک اخلاقی ذمہ داری بھی پیدا کی ہے۔ پرانی کتاب کی خاموش غلطی چند نسخوں
تک محدود رہتی تھی، online
edition کی غلطی search engines، quotations، AI
datasets اور دوسرے databases میں پھیل سکتی ہے۔ ایک غلط نسبت سینکڑوں ویب
صفحات میں نقل ہو سکتی ہے۔ کسی شعر کا غلط لفظ بڑے لسانی ماڈل کی training data میں داخل ہو کر دوبارہ معتبر صورت میں سامنے
آسکتا ہے۔
digital text کی circulation طباعتی متن سے کہیں تیز ہے، اس لیے error correction کا نظام بھی زیادہ سنجیدہ ہونا چاہیے۔ provenance، version history اور correction log تکنیکی
آسائش نہیں بلکہ علمی اخلاق کا حصہ بن جاتے ہیں۔
اردو تدوین کا
مستقبل نہ مکمل طور پر مشینی ہے اور نہ پرانے طریقوں کی سادہ واپسی میں محفوظ۔
بہتر راستہ دونوں روایتوں کے امتزاج میں دکھائی دیتا ہے۔ مخطوطہ شناسی، زبان دانی،
املا کی تاریخ، مصنف کے اسلوب اور اختلاف نسخ کا علم بنیادی رہیں گے۔ OCR، AI، automated
collation،
TEI encoding، image alignment اور corpus tools ان
صلاحیتوں کی توسیع کریں گے۔ ایک اچھا مدون اب ممکن ہے ہزار صفحات کی پہلی transcription خود نہ کرے، مگر اسے یہ جاننا ہوگا کہ مشین
کی غلطی کہاں پیدا ہو سکتی ہے۔ وہ ہر variant دستی
جدول میں نہ لکھے، مگر digital apparatus کی ساخت اور evidence سے
واقف ہو۔ وہ
code نہ لکھ سکے تو
بھی
normalization اور metadata کی علمی ضرورت سمجھتا ہو۔
ڈیجیٹل عہد نے متن
کو کاغذ سے آزاد نہیں کیا۔ برعکس اس کے، اصل کاغذ کی طرف بار بار لوٹنے کی نئی
سہولت پیدا کی ہے۔ قاری screen پر
عبارت پڑھتے ہوئے ایک لمحے میں اصل صفحہ دیکھ سکتا ہے۔ ایک reading پر شک ہو تو دوسرے نسخے سے تقابل کر سکتا
ہے۔ مصنف کی تحریر، پہلی طباعت اور بعد کی تصحیح ایک ساتھ سامنے آ سکتی ہیں۔ ماضی
میں
apparatus کے مختصر
حاشیے میں سمٹ جانے والی textual history اب اپنی پوری پیچیدگی کے ساتھ دکھائی جا سکتی ہے۔ ڈیجیٹل تدوین
کی اصل قوت رفتار یا خوب صورتی نہیں بلکہ evidence کو زیادہ شفاف بنانے میں ہے۔
اردو کے لیے اگلا
مرحلہ صرف مزید کتابیں scan کرنا
نہیں۔ ضرورت ایسے مدونہ ذخیرے کی ہے جن میں تصویر، متن، نسخاتی نسبت، اختلاف، normalization، metadata اور editorial history ایک دوسرے سے مربوط ہوں۔ ۲۰۲۴ء کے اردو مرثیہ TEI منصوبے اور ۲۰۲۶ء کے تاریخی اردو text and image corpus جیسے تجربات بتاتے ہیں کہ سمت بن
چکی ہے۔
OCR اور جدید لسانی
ماڈل بھی تیزی سے بہتر ہو رہے ہیں۔ اصل فیصلہ اب علمی برادری کے ہاتھ میں ہے کہ technology کو متن کی خدمت میں رکھا جائے یا سہولت کے
نام پر متن کو
technology کے
مطابق سادہ کر دیا جائے۔
مستقبل کا معتبر
اردو
digital edition غالباً
ایسا ہوگا جس میں قاری کو صاف متن ضرور ملے مگر صفائی کے پیچھے چھپا اصل نسخہ بھی
دستیاب ہو۔ غلطی درست کی جائے مگر پرانی reading مٹائی نہ جائے۔ مشین مدد کرے مگر فیصلہ evidence سے ہو۔ املا قابل تلاش بنایا جائے مگر تاریخی
صورت محفوظ رہے۔ مدون اپنی تصحیح پیش کرے مگر اپنے قدموں کے نشان بھی چھوڑے۔ تدوین
متن کی قدیم ذمہ داری مصنف یا متن کی ممکنہ درست صورت تک پہنچنا تھی۔ ڈیجیٹل عہد
نے اس ذمہ داری میں ایک اور قدر شامل کر دی ہے۔ اب درست متن دینے کے ساتھ یہ
دکھانا بھی ضروری ہے کہ وہ متن کس راستے سے ہمارے سامنے پہنچا۔ اسی شفافیت میں
اردو کی نئی تدوینی روایت اپنی علمی ساکھ قائم کر سکتی ہے۔