Az irodalomtudomány meglehetősen vitatott kutatási területéről fogok elmélkedni eb-ben a tanulmányban, pontosabban a számítógéppel támogatott kvantitatív módszerek alkalmazásáról. Kvantitatív módszereknek nevezem azokat a módszereket, amelyek iro-dalmi szöveget statisztikai alapokon vonnak kérdőre, és tesznek arról megállapításokat.
A kvantitatív módszerek magukba foglalják az olyan számolási, statisztikai megközelíté-seket, amelyeket a számítógép könnyedén el tud végezni. Számolási megközelítéseken alapulnak az olyan módszerek, amelyek szószámokat adnak meg, szóhosszakat, mondat-hosszakat stb. Ezek a kvantitatív módszerek a nyelvi jeleket pusztán matematikai alapon – legalábbis a számítógép szempontjából –, jelentésük nélkül veszik szemügyre, azaz az irodalmi szöveg valójában jelentésnélküli szólistává válik a számítógép szempontjából, és ezen szólista alapján készíti el a számítógép a statisztikai, kvantitatív elemzést.
A kvantitatív módszerekkel az irodalomtudományban időszerű számot vetni, hiszen ezen módszerek új hulláma a . század első évtizedeiben ütötte fel a fejét. A kvantitatív módszerek térnyerésének négy kiváltó okára szeretném felhívni a figyelmet. Először is arra, hogy a technikai fejlődés a . század végére és a . század elejére gyakorlatilag mindenki számára elérhetővé tette az olyan nagy kapacitású számolási feladatok elvégzé-sére alkalmas számítógépeket, amelyek többek között a kvantitatív elemzésekhez elen-gedhetetlenek. Nincs ma szükség méregdrága infrastruktúrára, adott kutatóközpontra, intézményi hátérre ahhoz, hogy valaki kvantitatív irodalomtudományi kutatásokat vé-gezhessen, hiszen egy közepes laptop is alkalmas korpuszelemzésre. A másik ok a nagy-mértékű digitalizációban kereshető, azaz abban, hogy hatalmas digitális szövegkorpuszok készültek az utóbbi évtizedekben a legegyszerűbb optikai karakterfelismeréstől a kézi átírásig, és hogy ezek a hatalmas korpuszok szabadon elérhetővé váltak. A harmadik ok, hogy adott korpuszok kvantitatív elemzése a kereskedelmi és jogi eljárásokban is helyet kap: az adatbányászat, a szerzőség kérdése, a plágiumvizsgálat egyre inkább alkalmazott és elfogadott eljárások. Az új hullám negyedik oka talán az ún. digitális bölcsészet szüle-tésében és térnyerésében keresendő.1 A digitális bölcsészet nehezen körülhatárolható
1. Melissa M. Terras: „ things we’ve learned about Digital Humanities in the last years”:
UCL UCL Centre for Digital Humanities, . http://blogs.ucl.ac.uk/dh/ / / / -things-weve-learned-about-digital-humanities-in-the-last- -years/ (elérés: . augusztus .); Whitney Anne Trettien: „Disciplining Digital Humanities, : Shakespeare’s Staging, XMAS, Shakes-peare Performance in Asia, ShakesShakes-peare Quartos Archive, and BardBox”: ShakesShakes-peare Quarterly,
/ . – ; Raymond Siemens és Susan Schreibman, szerk.: A Companion to Digital Lite-rary Studies. Malden: Blackwell, .; Alan Galey és Ray Siemens: „Introduction: Reinventing
tudományos terület, de jelen esetében elegendő annyit mondani róla, hogy azon kutató-kat értjük alatta, akik szakértelemmel ötvözik a hagyományos bölcsészettudományi ku-tatásokat a digitális technológia eszközeivel, reflektálnak a digitális technológia alkalma-zására és fejleményeire, és nem csak a grafikus felhasználói interfészen keresztül használnak alkalmazásokat, hanem magabiztosan mozognak a parancssorok területén, valamint jártasak a programnyelvekben is.
A kvantitatív módszerek térnyerése azonban nem jelenti azt, hogy az irodalomtudó-sok minden szempontból el lennének ragadtatva az új módszertől. Két szempontból kétséges ez a megközelítés az irodalomtudomány számára. Először is azért, mert az iro-dalomtudományos megközelítés sohasem akarhat eltekinteni a jelentéstől, hiszen tevé-kenységének éppen a jelentés kialakulásának feltérképezése, a hermeneutikai szituáció kidolgozása, azaz az értelmezés áll a középpontjában. A számítógép azonban, amikor végeredményben bizonyos számsorokat elemez – hiszen minden szó karakterekből áll és minden karakter egy-egy számsornak felel meg – nem veszi figyelembe, hogy a „körte”
szónak megfelelő számsor éppen egy gyümölcsre vagy egy világítóeszközre utal, továbbá nem tudja elkülöníteni a figuratív vagy szó szerinti jelentést, és nem tud különbséget tenni komoly vagy ironikus beszédmód között. A számítógép számára a szó nem más, mint két üres karakter közötti számsor teljesen elszakítva a jelentéstől. Amikor tehát egy irodalmi szöveg jelentésnélküli szólistává alakul, éppen irodalmiságát veszti el, és ezáltal az irodalomtudós érdeklődési körén kívül kerül. Másodsorban pedig az irodalomtudo-mány azért is tekint a számítógépes szövegelemzésre, a kvantitatív módszerekre gyanúval, mert visszaidézheti a tudomány pozitivista megközelítéseit, azt az álláspontot, amikor az értelmezés helyét a számok vették át, amikor kulturális produktumok esetében kvantita-tív eredményeket naivan értelmezett tényeknek tekintettek. A pozitivista szemlélet szá-mára a tény olyan entitás, ami eleve jelenvaló, ami megkérdőjelezhetetlen, ami az értel-mezés előtt, a szemlélőtől függetlenül már jelen van, és amely tényszerűségében a szükségszerűség logikai státuszát foglalja el. A fakticitás pedig a posztstrukturalista iroda-lomtudomány számára meglehetősen idegen fogalom.
Mindezek alapján leírhatnánk a kvantitatív módszereket úgy, mint „a következő nagy dolgot,”2 az üres lufit, mely az elméleti viták után átveszi az uralmat ideig-óráig, amíg ki nem derül, hogy a király meztelen.3 Lehet, hogy ez a nagy leleplezés egyszercsak Shakespeare in the digital humanities”: Shakespeare, / . – . A digitális bölcsészet és különösen a szövegkiadások kérdéseiről: Péter Dávidházi (szerk.): New Publication Cultures in the Humanities: Exploring the Paradigm Shift. Amsterdam University Press, .
2. Stanley Fish: „What’s Next for Literary Studies?”: The New York Times, . https://opinionator.
blogs.nytimes.com/ / / /the-old-order-changeth/?_r= (elérés: . augusztus .).
3. Fish további cikkeire és az ezekre adott legközvetlenebb válaszokra blogbejegyzésemben uta-lok: Almási Zsolt: „Tudor and other studies: Blogoshpere January– January ”, https://
tudorstudies.blogspot.hu/ / /blogoshpere- -january- -january- .html (elérés: . augusztus .).
ténik, mégis addig, különösen tekintettel az új hullám népszerűségére, a kutató nem tekinthet el ettől a megközelítéstől, és értelmeznie kell a jelen helyzetet. Magam úgy szeretném megközelíteni a kvantitatív módszerekkel operáló elemzéseket, hogy leszűkí-tem a vizsgálódást, és csak egyetlen Shakespeare-mű szempontjából vizsgálom a számí-tógépes szövegelemzést, arra a kérdésre keresve a választ, hogy vajon tekinthető-e a kvan-titatív elemzés olyan pozitivista megközelítésnek, amely egy naivan értelmezett tényfogalommal és a szükségszerűség igényével lép fel. Célom, hogy bemutassam, a kvantitatív elemzés nem kerüli el a hermeneutikai szituációt, tehát az értelmezés körét, valamint hogy az eredmények nem a szükségszerűség igényét jelzik, hanem érvényességi körük nem lép túl a probabilitáson és plauzibilitáson.
A probabilitás olyan érvelési formula, ahol a feltételes kijelentés alanya és attribútuma nincsenek szükségszerű összefüggésben egymással. Jaynes, aki a probabilitás elméletének egyik legalapvetőbb, bár töredékben maradt monográfiáját írta meg, a következőképpen formalizálja a valószínű érvelést: . premissza: „Ha A igaz, akkor B is igaz.” . premissza:
„B igaz.” Következtetés: „Következésképpen A még plauzibilisabb.”4 A formulát termé-szetes nyelvi állításokra fordítva a következő érvelést kaphatjuk: „Ha nyáron forróság van, akkor tiszta az ég, az ég tiszta, tehát nagy valószínűséggel forróság van.” Itt a tiszta ég és a forróság között nincs szükségszerű logikai kapcsolat, hiszen a tiszta ég fennállása esetén akár lehet hűvösebb időjárás is. A szükségszerű kapcsolat hiánya tovább erősödik, ha „B” helyére egyéb változókat, véletlenszerű változókat is be kell illesztenünk (pl. szel-lő hiánya, izzadó emberek, napsapkák és napernyők, ingyenes vízosztás az utcákon stb.).
Jaynes természetesen tovább finomítja több, mint oldalas könyvében a probabilisz-tikus érvelés fogalmát, ám egyelőre ennyi is elég annak megvilágítására, hogy milyen logikai típusba tartoznak a kvantitatív elemzések következtetései.
A kvantitatív módszeren alapuló elemzések szógyakoriság vagy hosszabb nyelvi alakza-tok, mint például mondathossz, mondat összetettség vizsgálatára támaszkodnak. A Shakespeare-kutatásokban a kutatók főként a szógyakoriság vizsgálatára helyezik a hang-súlyt. Ezek a kutatások elsősorban stilisztikai, műfajelméleti5 és szerzőségi kérdésekre6
4. E. T. Jaynes és G. Larry Bretthorst: Probability Theory: the logic of science. Cambridge, New York, Cambridge University Press, . . Saját fordítás.
5. Jonathan Hope és Michael Witmore: „The Hundredth Psalm to the Tune of »Green Sleeves«: Digital Approaches to Shakespeare’s Language of Genre”: Shakespeare Quarterly, / .
– .
6. D. H. Craig és Arthur F. Kinney, szerk.: Shakespeare, Computers, and the Mystery of Authors-hip. New York, Cambridge University Press, ; Peter Kirwan: „Review of Shakespeare, Com-puters, and the Mystery of Authorship, ed. Hugh Craig and Arthur F. Kinney”: Early Theatre
/ , https://earlytheatre.org/earlytheatre/article/view/ ; Brian Vickers: „Shakespeare and Authorsip Studies in the Twenty-first Century”: Shakespeare Quarterly / . – .; Dalya Alberge: „Christopher Marlowe credited as one of Shakespeare’s co-writers.” The Guardian, . http://www.theguardian.com/culture/ /oct/ /christopher-marlowe-credited-as-one-of-shakespeares- co-writers (elérés: . augusztus .).
keresik a választ, és bár a módszertanokat illetően meglehetős eltéréseket, nézeteltérése-ket mutatnak olyan kérdésekben, hogy egy szó vagy nézeteltérése-kettő, esetleg több szó legyen a lista alapja, avagy mekkora egységekre kell bontani az egyes műveket ahhoz, hogy más mű-vekkel összemérhető eredményeket kapjanak, mindegyik vizsgálódás a szót veszi alapul.
Ezért a kvantitatív kutatások eredményeinek episztemológiai státuszát, azaz a meggyő-ződés mértékét firtató kutatásomban csak a legegyszerűbb számítási feladatot veszem alapul, és mutatom be a véletlen változókat, amelyek döntést, kutatói döntést igényel-nek, és amely döntések a végeredményt illetően meghatározóak. Tehát ha arra az egysze-rű kérdésre keresem a választ, hogy hány szóból áll a Much Ado About Nothing című drámai alkotás, akkor a következő véletlenszerű változók halmazaival kell számolni.
Az első véletlenszerű változó halmaz az elemzés alapjául szolgáló szövegvariánsokat fog-lalja magában. A komédiának létezik egy -ban megjelentetett kvartókiadása,7 amely nagy valószínűség szerint egy javítatlan kéziraton alapul, annak minden textológiai prob-lémájával.8 A következő, azaz Első fólió ( .) kiadás ezen a kvartókiadáson alapul, né-hány tucat kisebb változtatással.9 Mivel a korai nyomtatott változatok egy nem teljesen letisztázott szövegváltozaton alapulnak, ezért a . századtól kezdődően egészen a . szá-zadig a szerkesztők kisebb-nagyobb emendációkkal látták el a szöveget. Ez a meglehetősen színes szöveghagyomány tehát a vizsgálódás szempontjából az elé a kérdés elé állítja a sta-tisztikai elemzést végző kutatót, hogy vajon melyik szövegváltozatot fogja használni az elemzéshez, hiszen mindegyik mellett hozhatóak fel érvek. A kvartókiadás az első autenti-kusnak tekinthető szövegváltozat, amely nagy valószínűséggel olyan, ahogy a szerző leírta a művet. Csakhogy ezen szövegváltozat – bár Shakespeare-hez legközelebb állónak mondha-tó – , mégis a mai szemmel szövegtani hibák miatt talán nem az, amit a szerző esetleg szeretett volna. Lehet, hogy nem ezt a változatot adta elő a társulat, amelynek Shakespeare maga is tagja volt. Talán az -as Első fólió kiadás közelebb állhatott a színházi pél-dányhoz, de erről nincsenek adatok. Előnye ennek a szövegnek, hogy összemérhetővé teszi a szöveget más shakespeare-i művekkel, amelyek ugyancsak megtalálhatóak az összegyűj-tött művek még Shakespeare kortársai által készített kiadásában.
A . századi kiadások a szöveg egyenetlenségeit próbálták meg elsimítani, ám ezeket a szövegváltozatokat meglehetősen bátor döntések jellemzik. A – . századi kritikai kiadások10 konvergálnak talán leginkább az ideális egyetlen végső szövegváltozat
ideájá-7. William Shakespeare: Much Ado About Nothing. London, Andrew Wise, William Aspley, .
8. Stanley Wells: „Editorial Treatment of Foul-Paper Texts: Much Ado about Nothing as Test Case”: The Review of English Studies, New Series . – , http://www.jstor.org/stable/
(elérés: . augusztus .).
9. William Shakespeare: VVilliam Shakespeares comedies, histories, & tragedies : published accor-ding to the true originall copies. F kiad. London, Isaac Iaggard és Ed. Blount, ., http://firstfolio.bodleian.ox.ac.uk/text/ (elérés: . augusztus .).
10. William Shakespeare: Much Ado About Nothing. Szerk. Sheldon P. Zitner. The Oxford Shakespeare. Oxford ; New York, Oxford University Press, ; William Shakespeare: Much
hoz, ám ezek sem nélkülözik az esetenként ízlésből származó szerkesztői döntéseket.
Bármelyik szövegváltozat mellett is dönt azonban a kutató, bevezet egy véletlen változót a kutatásba, hiszen a különböző szövegváltozatok eltérő végső szószámot fognak mutatni.
A második véletlen változói halmaz a számítógépes elemzéshez használni kívánt szö-vegváltozat előkészítését jelenti, hiszen nincs egy elemzés számára előkészített szöveg adottságként. Miután kiválasztotta a szövegváltozatot, több döntést is meg kell hoznia a szöveg előkészítőjének. Például, ha – . századi szövegváltozatra esik a választás, meg kell gondolni, hogy mi történjen a nem alfanumerikus karakterekkel, pl. a „&” jellel, különösen, ha azt egybeszedték alfanumerikus karakterekkel. Továbbá a standardizált helyesírás előtt például a Much Ado About Nothing kvartókiadásának esetében számos esetben fordul elő, hogy olyan szavak, amelyeket ma egybeírnánk, kötőjellel jelennek meg a szövegben, pl. „tooth-ache”, vagy olyan szavak, amelyeket ma külön írnánk, ugyancsak kötőjellel szerepelnek, továbbá ehhez még hozzájárul az is, hogy sorvégen időnként kötőjellel választották el a szavakat, és ezekben az esetekben nem világos, hogy elválasztásról van szó, vagy pedig kötőjeles szóösszetételről, amely esetekben a szöveget előkészítőnek egyenként dönteni kell. Ha modernebb szövegváltozatot veszünk kézbe, akkor természetesen ezek a kérdések nem merülnek fel. De ebben az esetben is radikális döntéseket kell hozni, például, hogy mit számítunk a drámai alkotás szövegének. Példá-ul nem mindegy, hogy a rendezői utasításokat a dráma szövegének számítjuk-e vagy sem, hiszen egyfelől számos esetben autentikus szerzői-rendezői utasításokról van szó, tehát a szerző keze nyomát viselik magukon ezek a szövegrészletek, és számos esetben befolyá-solják a rendezői utasítást követő párbeszédek jelentését, másfelől azonban nem számí-tanak a dialógusok részének, hiszen ezek valójában csak metaadatok, azaz a drámai szö-veget befolyásoló szövegrészletek. Ugyanígy megfontolásra érdemes az is, hogy mit kell a beszédek előtti nevekkel tenni, beleszámítanak-e a statisztikai elemzésbe, hiszen egyfelől befolyásolja a beszéd jelentését az, hogy éppen melyik szereplő mondja a szöveget, más-felől pedig ez is tekinthető a drámai szövegen kívüli tényezőnek, metaadatnak. És ha mindezek a döntések megszülettek, kérdés, hogy milyen fájlformátumban szeretné el-menteni a szöveget a kutató. A leggyakoribb megoldás általában a legegyszerűbb szöveg-fájl, a .txt kiterjesztésű szöveg-fájl, hiszen ez a fájltípus a legrugalmasabban felhasználható, leg-inkább időtálló típus, ugyanakkor a legleg-inkább memóriatakarékos megoldás, hiszen csak a minimális szoftveres metainformációt tartalmazza.
A harmadik véletlen változó halmaz az, amelyik a szoftver kódját érinti, hiszen a szá-mítógép nem magától elemez egy szöveget, nem magától számolja meg a szavakat, ha-nem egy rövid programra van ehhez szükség. Az elemző szoftver kódját író is számos döntést kell, hogy meghozzon. Először is választania kell egy programozási nyelvet, amelynek segítségével a számítógép számára érthető módon utasításokat ad a Ado About Nothing. Szerk. Claire McEachern. The Arden Shakespeare, Third series. London, Arden Shakespeare, .; William Shakespeare: Much Ado about Nothing. Szerk. F. H. Mares.
The New Cambridge Shakespeare. Cambridge, New York, Cambridge University Press, .
gépnek. Különböző szintű nyelvek közül választhat a kód írója, mint például a C++ vagy Java, az R vagy Python. Minden nyelv és szint rendelkezik előnyökkel és hátrányokkal, a mérlegelésnél az számít, hogy az adott nyelv az adott feladathoz a legoptimálisabb legyen.
A digitális bölcsészek között a szövegelemzési és vizualizációs feladatokhoz leggyakrab-ban az R és a Python nyelveket szokták választani, hiszen ez a két nyelv rendelkezik a legtöbb olyan automatizálással, amely egyszerűbbé, pontosabbá és rugalmassá teheti a szövegelemzési feladatokat, gondolok itt arra, hogy például a Python nyelv rendelkezik olyan előre elkészített könyvtárakkal, amelyeket importálva nem kell minden feladatot újra lekódolni, csak be kell hívni az adott feladatokra optimalizált könyvtárat. Például a Python nyelven a szólista készítéséhez először a számítógép számára teljesen összefüggő számsorból (egy emberi olvasó számára ez nem egy olvasható verziója a Much Ado About Nothingnak) először fel kell darabolni olyan egységekre, amelyeket az emberi olvasó szavaknak értelmez. Erre két lehetősége van a kód írójának, hiszen használhatja egysze-rűen a Pythonon belül már adott split funkciót, vagy pedig, ha pontosan akarja definiál-ni a szót, akkor importálhatja a külső RegEx (Reguláris kifejezések) könyvtárat, amely-nek segítségével megadhatja, mit keressen a számítógép két üres karakter (whitespace) között, hiszen nemcsak betűkarakterek lehetnek egy koramodern nyomtatványban, hanem számok és egyéb nem alfanumerikus karakterek is. Ezen kívül még számos dön-tés és megoldás áll a kód írójának rendelkezésére, amelyek bemutatására nincs hely itt, ám ez is elegendő annak illusztrálására, hogy a szoftver kódját illetően is számos döntést kell hozni a kód írójának. Ezeket a döntéseket tovább bonyolítja az, hogy a kódnak egy bizonyos feladatra kell a legoptimálisabbnak lennie, tehát a kód írójának eleve ismernie kell az elemzendő korpusznak, jelen esetben a Much Ado About Nothing szövegének a kód szempontjából vett jellegzetességeit, hiszen más releváns jellegzetességekkel rendel-kezik egy koramodern szöveg, mint egy . századi kritikai kiadás.
Ha mindezeket a véletlen változó halmazokat figyelembe vesszük, nem fogunk nagyon meglepődni azon, hogy attól függően, milyen alkalmazással számoltatjuk meg a szavakat, a Much Ado About Nothing esetében meglehetős eltéréseket fogunk kapni. A magát a követ-kező generációs keresőmotornak tituláló Wolfram-Alpha estében a szavak száma lesz,11 míg egy másik meglehetősen ismert, filológusokat segítő alkalmazás, a Word-Hoard12 szerint a szavak száma. További számokat kapunk, ha egy független szö-vegelemző szoftverbe, a Voyant Tools-ba13 töltjük a saját készítésű kvartókiadás szövegét, hiszen itt -t kapunk, vagy ha ugyanezt a szöveget egy saját elemző szoftveremmel elemeztetem, hiszen itt lesz az eredmény.14 Azaz négy alkalmazás négy különböző számot ad meg. Az eltérések magyarázata a véletlen változók halmazában keresendő. A
11. https://www.wolframalpha.com/input/?i=much+ado+about+nothing (elérés: . augusztus .).
12. http://wordhoard.northwestern.edu/userman/index.html (elérés: . augusztus .).
13. https://voyant-tools.org/ (elérés: . augusztus .).
14. A forráskód és a szövegfájl letölthető innen: https://github.com/zsalmasi/much-ado-about-nothing-project
Wolfram-Alpha esetében, bár a keresés eredményeként a kvartókiadás címlapja jelenik meg a keresés eredményeit megmutató weboldalon, sajnos nincs arról információ, hogy melyik szövegváltozatot elemzi az alkalmazás, továbbá nem lehet tudni a szövegelemző szoftver forráskódját, tehát a finomhangolást nem ismerjük. A Wordhoard esetében im-már tudjuk, hogy a híres . századi Cambridge összkritikai kiadás digitalizált változatával, az ún. Moby Shakespeare szövegváltozattal dolgozik az alkalmazás, ám itt sem tekinthe-tünk a forráskódba. A független szövegelemző szoftver, a Voyant Tools nagyon alapos elemző szoftver, itt tudjuk a szövegkiadás minden részletét, hiszen magam készítettem el a szöveget. Éppen ezért, vagyis az azonos elemzett szövegkorpusz miatt, meglepő a néhány szavas eltérés a saját alkalmazásom és a Voyant Tools eredményei között.
Az eddigiek alapján megállapíthatjuk tehát, hogy sem a kutatói döntéseket nélkülöző hermeneutikai szituáció, sem pedig naiv pozitivista beállítódás nem jellemzi a számító-géppel folytatott statisztikai elemzéseket. Nem jellemzi, hiszen, mint láttuk, még a leg-egyszerűbb statisztikai elemzés esetében is a véletlen változók miatt a ténynek látszó matematizálható eredmény a számítógéppel végzett elemzések során nem vezet értelmezés előtti tényekhez, hanem minden eredmény egy nagyon sok véletlen változót tartalmazó függvény értéke lehet csupán, tehát a meggyőződés mértéke nem értelmezhető a szükség-szerűség, hanem csak a valószínűség határain belül. Ugyan nem azonosítható talán a szá-mítógéppel támogatott statisztikai elemzés egy letűnt irodalomtudományi paradigma pozitivista megközelítésével, ám további kérdés marad, hogy milyen helyet foglalhat el a
Az eddigiek alapján megállapíthatjuk tehát, hogy sem a kutatói döntéseket nélkülöző hermeneutikai szituáció, sem pedig naiv pozitivista beállítódás nem jellemzi a számító-géppel folytatott statisztikai elemzéseket. Nem jellemzi, hiszen, mint láttuk, még a leg-egyszerűbb statisztikai elemzés esetében is a véletlen változók miatt a ténynek látszó matematizálható eredmény a számítógéppel végzett elemzések során nem vezet értelmezés előtti tényekhez, hanem minden eredmény egy nagyon sok véletlen változót tartalmazó függvény értéke lehet csupán, tehát a meggyőződés mértéke nem értelmezhető a szükség-szerűség, hanem csak a valószínűség határain belül. Ugyan nem azonosítható talán a szá-mítógéppel támogatott statisztikai elemzés egy letűnt irodalomtudományi paradigma pozitivista megközelítésével, ám további kérdés marad, hogy milyen helyet foglalhat el a