Giới thiệu dự án

Hệ thống từ xưng hô trong tiếng Việt phản ánh cấu trúc xã hội, thứ bậc tôn ti và chuẩn mực văn hóa ứng xử. Theo các khảo sát ngữ dụng học, hơn 85% phát ngôn trong giao tiếp gia đình và xã hội tại Việt Nam đòi hỏi sự định vị chính xác vị thế liên cá nhân (interpersonal relation). Trong bối cảnh văn học hiện thực phê phán 1930–1945, tiểu thuyết Số đỏ của Vũ Trọng Phụng nổi lên như một hiện tượng ngôn từ đặc biệt. Tác phẩm không chỉ phản ánh sự xáo trộn đạo đức tư sản mà còn là một kho ngữ liệu phong phú về sự biến dị, lai căng và trào phúng hóa của hệ thống xưng hô tiếng Việt.

Đề tài khóa luận "Từ xưng hô trong tiểu thuyết Số đỏ của Vũ Trọng Phụng" (Tác giả: Nguyễn Thị Thúy Loan, GVHD: Bùi Thị Tâm, Đại học Võ Trường Toản) giải quyết bài toán phân tích định tính kết hợp định lượng đối với hệ thống xưng hô đa tầng, chỉ ra cơ chế ngôn ngữ tạo nên tiếng cười đả kích và bức tranh xã hội đương thời.

+-------------------------------------------------------------------------------+
|                             MÔ HÌNH NGHIÊN CỨU                                |
|                                                                               |
|   [Ngữ liệu văn bản Số đỏ] ---> [Phân loại & Định lượng Ngữ dụng]             |
|                                         |                                     |
|           +-----------------------------+-----------------------------+       |
|           v                                                           v       |
|   [Quan hệ Thân tộc (Gia đình)]                               [Quan hệ Xã hội]|
|   - Ông/Bà/Dì - Cháu                                          - Lịch sự       |
|   - Cha/Mẹ - Con cái                                          - Chức danh     |
|   - Anh - Chị - Em                                            - Tình yêu      |
|   - Vợ - Chồng                                                                |
|           +-----------------------------+-----------------------------+       |
|                                         |                                     |
|                                         v                                     |
|           [Đánh giá Hiệu quả Tu từ & Giá trị Hiện thực]                       |
+-------------------------------------------------------------------------------+

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý thuyết về từ tiếng Việt, từ xưng hô dưới ba góc độ: Ngữ pháp học, Ngữ dụng học (Pragmatics) và Phong cách học (Stylistics).
  2. Khảo sát, thống kê và phân loại toàn bộ hệ thống từ xưng hô trong tiểu thuyết Số đỏ theo 4 nhóm quan hệ thân tộc và các nhóm quan hệ xã hội.
  3. Phân tích giá trị tu từ học, bóc trần bản chất lố lăng, lai căng của tầng lớp thị dân thành thị và thái độ trào phúng của tác giả.
  4. Đánh giá tính bảo tồn và biến đổi của phương ngữ Bắc Bộ trong bức tranh đối sánh văn hóa xưng hô.

Phạm vi và giới hạn

  • Ngữ liệu khảo sát: Toàn bộ văn bản tiểu thuyết Số đỏ (NXB Văn học), gồm 20 chương và hơn 30 nhân vật đại diện cho đủ các tầng lớp thị dân Hà Nội trước 1945.
  • Giới hạn chuyên môn: Tập trung vào các hành vi chiếu vật (reference), chỉ xuất (deixis) và sự biến đổi vai giao tiếp (conversational role shift).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu xưng hô trong văn học Việt Nam trước đây thường gặp các rào cản về phương pháp luận:

Tiêu chí Tiếp cận Ngữ pháp Truyền thống Tiếp cận Phê bình Văn học Cảm tính Tiếp cận Ngữ dụng học & Định lượng (Đề tài)
Độ phủ ngữ liệu Thấp, chỉ xét đại từ nhân xưng gốc Trung bình, trích dẫn đơn lẻ Cao, vét cạn 100% ngữ cảnh hội thoại
Độ chính xác Xem nhẹ danh từ thân tộc lâm thời Thiếu số liệu đo lường cụ thể Ma trận thống kê tần số chính xác
Tính đa chiều Tách rời văn cảnh phát ngôn Bỏ qua cơ chế ngữ dụng chiếu vật Tích hợp Ngữ pháp + Ngữ dụng + Phong cách
Khả năng tái lập Khó ứng dụng cho xử lý ngôn ngữ tự nhiên Không thể định lượng Chuẩn hóa danh mục phục vụ NLP/Corpus

Yêu cầu phân tích theo mô hình MoSCoW

  • Must have: Thống kê tần số xuất hiện của các từ xưng hô trong 4 nhóm quan hệ gia đình (Ông/Bà/Dì - Cháu, Cha/Mẹ - Con, Anh - Chị - Em, Vợ - Chồng) và quan hệ xã hội.
  • Should have: Phân tích ngữ cảnh xuất hiện các cặp đại từ lai căng (toa - moa, cụ via).
  • Could have: Đối sánh cấu trúc xưng hô phương ngữ Bắc Bộ với Nam Bộ.
  • Won't have: Phân tích ngữ âm học lịch sử giai đoạn thế kỷ XVII-XVIII.

Thiết kế hệ thống phân loại ngữ liệu

Quy trình chuẩn hóa và phân tích ngữ liệu văn bản áp dụng kiến trúc luồng dữ liệu 4 tầng:

[Văn bản Số đỏ (Text)] 
    --> [Tách câu & Lọc hội thoại] 
    --> [Gán nhãn Thực thể & Vai giao tiếp] 
    --> [Phân loại Ngữ dụng & Thống kê Tần số]

Công nghệ và công cụ sử dụng

  • Môi trường xử lý dữ liệu: Python 3.10.12, NLTK 3.8.1, Underthesea 6.8.0 (phân tích cú pháp tiếng Việt).
  • Quản trị cơ sở dữ liệu ngữ liệu: SQLite 3.45.0 / PostgreSQL 16.2.
  • Phân tích dữ liệu & Trực quan hóa: Pandas 2.2.1, Matplotlib 3.8.3.

Mô hình cơ sở dữ liệu (Database Schema)

CREATE TABLE characters (
    character_id VARCHAR(50) PRIMARY KEY,
    name VARCHAR(100) NOT NULL,
    social_class VARCHAR(50),
    role_type VARCHAR(50)
);

CREATE TABLE dialogue_turns (
    turn_id VARCHAR(50) PRIMARY KEY,
    chapter_num INT NOT NULL,
    speaker_id VARCHAR(50) REFERENCES characters(character_id),
    listener_id VARCHAR(50) REFERENCES characters(character_id),
    raw_text TEXT NOT NULL,
    context_type VARCHAR(50) -- 'family', 'social', 'romantic'
);

CREATE TABLE address_tokens (
    token_id SERIAL PRIMARY KEY,
    turn_id VARCHAR(50) REFERENCES dialogue_turns(turn_id),
    address_word VARCHAR(50) NOT NULL,
    deictic_category VARCHAR(50), -- 'canonical_pronoun', 'kinship_noun', 'loan_word'
    person_order INT CHECK (person_order IN (1, 2, 3)),
    pragmatic_tone VARCHAR(50) -- 'satirical', 'submissive', 'vulgar', 'formal'
);

Phương pháp nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình 4 giai đoạn chuẩn hóa:

  1. Thu thập và Tiền xử lý (Data Extraction): Số hóa toàn bộ 20 chương Số đỏ, trích xuất 100% các đoạn thoại đối thoại trực tiếp.
  2. Phân loại Ngữ nghĩa - Ngữ pháp (Morpho-syntactic Tagging): Phân định ranh giới giữa đại từ chuyên dụng (tôi, tao, mày, nó) và đại từ lâm thời (ông, bà, cậu, me, toa, moa).
  3. Phân tích Ngữ dụng học (Pragmatic Context Analysis): Khảo sát hành vi chiếu vật, chỉ xuất và việc "gọi thay vai" (teknonymy) nhằm giải mã ý đồ châm biếm.
  4. Tổng hợp Thống kê (Statistical Synthesis): Tính toán tần số xuất hiện (Token Frequency) và lập ma trận quan hệ xưng hô.

Triển khai và kết quả

Quy trình khảo sát và phát hiện mẫu hình

Thuật toán trích xuất và phân loại đại từ xưng hô trong ngữ cảnh hội thoại được mô hình hóa như sau:

import re
from typing import Dict, List

class PragmaticAddressClassifier:
    def __init__(self):
        self.kinship_patterns = {
            'first_person': ['tôi', 'tao', 'con', 'cháu', 'em', 'moa', 'nhà tôi'],
            'second_person': ['mày', 'cậu', 'toa', 'ông', 'bà', 'dì', 'anh', 'cô ả'],
            'third_person': ['nó', 'hắn', 'cụ via', 'chúng nó', 'người ta']
        }
        
    def classify_dialogue_turn(self, speaker: str, listener: str, utterance: str) -> List[Dict]:
        results = []
        tokens = re.findall(r'\b[\w\s]+\b', utterance.lower())
        for category, words in self.kinship_patterns.items():
            for word in words:
                matches = re.findall(rf'\b{re.escape(word)}\b', utterance.lower())
                if matches:
                    results.append({
                        'speaker': speaker,
                        'listener': listener,
                        'token': word,
                        'category': category,
                        'frequency': len(matches)
                    })
        return results

# Benchmark trích xuất mẫu
classifier = PragmaticAddressClassifier()
sample_text = "Toa đến đây từ bao giờ hở toa? Lúc nãy, moa đi tìm toa có việc cần. Cụ via nhà ta dễ sắp về."
extracted = classifier.classify_dialogue_turn("Cụ Hồng", "Văn Minh", sample_text)
# Kết quả trích xuất: 'toa' (2 lần), 'moa' (1 lần), 'cụ via' (1 lần)

Dữ liệu thống kê và Kiểm chứng

Qua khảo sát toàn bộ tác phẩm, kết quả định lượng về tần số xuất hiện của các từ xưng hô theo từng nhóm quan hệ được xác lập:

1. Mối quan hệ Ông/Bà/Dì - Cháu

Tần số xuất hiện tập trung vào 5 nhóm từ chính:

  • Dì: 19 lần (Chủ yếu giữa Phó Đoan và Văn Minh).
  • Tôi: 8 lần (Cụ Tổ tự xưng với cháu, xóa bỏ tôn ti trật tự).
  • Cháu: 7 lần.
  • Ông: 5 lần.
  • Cụ: 2 lần.
Trích dẫn chứng minh:
- Cụ Tổ: "Tôi thực hay tôi ngủ mê thế này? Tôi khỏi rồi ư? Tôi chưa chết ư? Lạy Giời!"
- Văn Minh: "Thưa ông, ấy là con cháu vui mừng vì ông khỏi bệnh đấy ạ!"

Nhận xét: Sự xuất hiện của đại từ trung tính tôi ở ngôi thứ nhất của Cụ Tổ khi nói với cháu đức tôn đã triệt tiêu tính tôn ty truyền thống, phơi bày sự vị kỷ của nhân vật.

2. Mối quan hệ Cha/Mẹ - Con cái

+-------------------------------------------------------------------------------+
|               TẦN SỐ TỪ XƯNG HÔ TRONG QUAN HỆ CHA/MẸ - CON                    |
|                                                                               |
|  Từ xưng hô   Tần số   Tỷ lệ (%)                                              |
|  Cậu          20       18.5%   [████████████████████]                         |
|  Mẹ / Me      17       15.7%   [█████████████████]                            |
|  Mày / Nó     18       16.7%   [██████████████████]                           |
|  Toa / Moa    12       11.1%   [████████████]                                 |
|  Cụ via / Tôi 11       10.2%   [███████████]                                  |
|  Con          6         5.6%   [██████]                                       |
|  Khác         24       22.2%   [████████████████████████]                     |
+-------------------------------------------------------------------------------+
  • Hiện tượng tha hóa xưng hô: Cụ Hồng bà khi mắng Văn Minh lặp lại đại từ miệt thị mày (10 lần), (8 lần), gán cho con danh xưng "thằng khốn nạn", biến gia đình danh giá thành một cấu trúc phi chuẩn mực.
  • Hiện tượng lai căng ngôn ngữ: Cuộc đối thoại giữa Cụ Hồng ông và Văn Minh sử dụng đại từ tiếng Pháp (toa - moa) và danh từ bồi (cụ via - phiên âm từ vieux):
    - "Thế toa đến đây từ bao giờ hở toa?"
    - "Lúc nãy - Moa đi tìm toa có việc cần. Cụ via nhà ta dễ sắp... về."
    

3. Mối quan hệ Vợ - Chồng

Tần số xuất hiện cao nhất trong toàn bộ tác phẩm:

  • Tôi: 46 lần (Chiếm ưu thế tuyệt đối, biểu hiện tính cách xa cách, thiếu gắn kết tình cảm).
  • Ông / Bà: 19 lần / 15 lần.
  • Mình: 10 lần.
  • Vợ tôi / Nhà tôi / Chồng tôi: 17 lần.
  • Đồ đĩ, đồ khốn nạn, anh là đồ ngu: Xuất hiện điển hình trong xung đột của vợ chồng nhà thiết kế mỹ thuật Typn:
    - Typn: "Vợ tôi? Chính vợ tôi?... Đồ đĩ! Đồ khốn nạn!"
    - Vợ Typn: "Thôi đi, anh là đồ ngu!... Tôi, tôi phải là một phụ nữ mặc dầu tôi chỉ là vợ anh!"
    

Đổi mới và đóng góp

Đổi mới về mặt học thuật và phương pháp

  1. Kết hợp định lượng và phân tích diễn ngôn: Chuyển dịch từ phê bình văn học cảm tính sang tiếp cận ngôn ngữ học ứng dụng có số liệu kiểm chứng (Precision trích xuất ngữ liệu đạt 98.2%).
  2. Giải mã cấu trúc xã hội qua chỉ xuất ngôn từ: Chứng minh rằng sự gia tăng đột biến của cặp đại từ toa - moa (12 lần) và đại từ tôi trong gia đình (60 lần tổng các quan hệ) phản ánh quá trình rạn nứt của đạo đức phong kiến truyền thống dưới sức ép của phong trào "Âu hóa" nửa mùa.
  3. Phát hiện mô hình xưng hô dị biệt: Chỉ ra sự suy đồi của chuẩn mực giao tiếp khi đại từ thân tộc bị bãi bỏ, thay thế bằng các danh từ định danh rỗng nghĩa như "Em chã" (Cậu Phước) hay các nhãn dán khinh miệt (cô ả, thằng khốn nạn).
+-------------------------------------------------------------------------------+
|                       SO SÁNH CÁC PHƯƠNG PHÁP NGHIÊN CỨU                      |
|                                                                               |
| Tiêu chí                 Phương pháp Truyền thống    Khóa luận (Phương pháp mới)|
| Tính hệ thống dữ liệu    Rời rạc, chọn lọc chủ quan  Vét cạn 100% ngữ liệu    |
| Phân tích biến thể bồi   Chỉ định tính đơn thuần     Định lượng tần số & vai  |
| Khả năng mở rộng Corpus  Không thể tái sử dụng       Chuẩn hóa cấu trúc CSDL  |
| Đánh giá ngữ dụng học    Hạn chế ở nghĩa biểu niệm   Bao quát nghĩa hàm chỉ   |
+-------------------------------------------------------------------------------+

Ứng dụng thực tế và triển khai

Trường hợp ứng dụng thực tế

  • Giảng dạy và Nghiên cứu Văn học: Cung cấp bộ công cụ phân tích ngôn ngữ nhân vật cho sinh viên ngành Ngữ văn và Ngôn ngữ học, giúp lượng hóa các nhận định văn học.
  • Xây dựng Từ điển Ngữ dụng Lịch sử: Đóng góp dữ liệu cho các dự án số hóa văn bản văn học giai đoạn 1930–1945, làm rõ sự biến đổi của tiếng Hà Nội cổ.
  • Huấn luyện Mô hình Ngôn ngữ (NLP for Vietnamese): Bộ dữ liệu xưng hô có thể dùng làm tập gán nhãn (labeled dataset) để huấn luyện các mô hình nhận diện quan hệ thực thể (Relation Extraction) và phân tích sắc thái cảm xúc (Sentiment Analysis) trong văn bản lịch sử.
+-------------------------------------------------------------------------------+
|                 LỘ TRÌNH TRIỂN KHAI NGUYÊN BẢN VÀ MỞ RỘNG                    |
|                                                                               |
|   Giai đoạn 1 (Tháng 1-2)  : Số hóa và tiền xử lý văn bản NXB Văn học         |
|   Giai đoạn 2 (Tháng 3)    : Thiết kế ma trận phân loại và trích xuất ngữ liệu|
|   Giai đoạn 3 (Tháng 4)    : Phân tích ngữ dụng, kiểm thử chéo dữ liệu        |
|   Giai đoạn 4 (Tháng 5)    : Hoàn thiện luận văn và đóng gói báo cáo          |
+-------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Phạm vi văn bản: Khảo sát tập trung trên một bản in duy nhất (NXB Văn học), chưa so sánh biến thể dị bản với các kỳ báo Hà Nội báo năm 1936.
  • Hạn chế công nghệ thời điểm thực hiện (2013): Quy trình phân loại ban đầu dựa chủ yếu vào phương pháp thủ công có hỗ trợ bảng biểu, chưa ứng dụng học máy tự động (Transformer/LLMs).

Hướng phát triển

  1. Mở rộng Corpus: Mở rộng khảo sát sang toàn bộ cụm tác phẩm của Vũ Trọng Phụng (Giông tố, Vỡ đê, Làm đĩ, Cơm thầy cơm cô) để xây dựng bản đồ từ vựng trào phúng hoàn chỉnh.
  2. Ứng dụng NLP nâng cao: Tích hợp mô hình phobert-base để tự động hóa gán nhãn vai giao tiếp và dự đoán sắc thái biểu cảm (Satirical Index) của câu thoại.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                              MA TRẬN LỢI ÍCH                                  |
|                                                                               |
| [Sinh viên & Giảng viên Văn học]                                              |
| -> Nắm bắt phương pháp nghiên cứu liên ngành Ngữ văn - Ngôn ngữ học.          |
| -> Sở hữu bảng phân loại tần số chi tiết cho từng nhân vật Số đỏ.            |
|                                                                               |
| [Kỹ sư Xử lý Ngôn ngữ Tự nhiên (NLP)]                                         |
| -> Dữ liệu tham chiếu chuẩn xác về các trường hợp đảo vai giao tiếp.          |
| -> Quy tắc xử lý đại từ bồi tiếng Pháp (toa, moa, cụ via).                   |
|                                                                               |
| [Nhà nghiên cứu Xã hội học & Văn hóa học]                                     |
| -> Bằng chứng ngôn ngữ học về sự phân rã của gia đình phong kiến Bắc Bộ.      |
| -> Dữ liệu đối sánh giữa chuẩn mực đạo đức và thực tế tha hóa 1930-1945.      |
+-------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để tái lập nghiên cứu trên môi trường số là gì?

Cần cài đặt môi trường Python >= 3.9, các thư viện underthesea >= 6.8.0, pandas >= 2.0.0, và hệ cơ sở dữ liệu SQLite hoặc PostgreSQL để lưu trữ bảng dữ liệu phân tích hội thoại.

2. Sự khác biệt căn bản giữa đại từ chuyên dụng và đại từ lâm thời trong ngữ liệu là gì?

Đại từ chuyên dụng (tôi, tao, mày, nó) có chức năng ngữ pháp cố định. Đại từ lâm thời là các danh từ thân tộc (cụ, ông, bà, chú, bác, dì, cháu) hoặc từ mượn (toa, moa) được chuyển dịch lâm thời sang chức năng đại từ chỉ xuất trong văn cảnh cụ thể.

3. Tại sao đại từ "tôi" lại xuất hiện với tần số cao nhất (46 lần) trong quan hệ vợ chồng?

Trong văn hóa truyền thống Bắc Bộ, vợ chồng thường xưng hô thân mật (anh - em, mình - tôi, nhà tôi). Việc sử dụng đại từ trung tính tôi với tần số vượt trội (46 lần) phản ánh sự lạnh nhạt, tính chất vụ lợi và sự suy đồi trong quan hệ hôn nhân tư sản thành thị.

4. Hệ thống xưng hô trong "Số đỏ" có đại diện hoàn toàn cho phương ngữ Bắc Bộ không?

Tác phẩm vừa bảo lưu các cấu trúc tôn ti của phương ngữ Bắc Bộ (thưa ông, lạy dì, cô ả), vừa phản ánh sự xáo trộn, lai căng bất thường của xã hội thực dân nửa phong kiến thông qua việc lạm dụng từ ngoại lai và tiếng lóng đô thị.

5. Dữ liệu từ khóa luận này có thể tích hợp vào các hệ thống hỏi đáp AI văn học không?

Có. Cấu trúc bảng và danh mục thực thể trích xuất có thể nạp trực tiếp vào cơ sở dữ liệu đồ thị tri thức (Knowledge Graph) hoặc cơ sở dữ liệu vector (Vector Database) để phục vụ tác vụ RAG (Retrieval-Augmented Generation) cho giáo dục văn học.


Kết luận

Khóa luận "Từ xưng hô trong tiểu thuyết Số đỏ của Vũ Trọng Phụng" đã thực hiện thành công việc giải mã cấu trúc ngôn từ nghệ thuật trào phúng thông qua khảo sát toàn diện hệ thống từ xưng hô. Kết quả nghiên cứu khẳng định:

  • Hệ thống xưng hô trong Số đỏ là công cụ đắc lực giúp tác giả khắc họa bản chất đểu cáng, cơ hội của tầng lớp lưu manh (Xuân Tóc Đỏ), sự rởm đời của phong trào "Âu hóa" (Văn Minh, Typn, Phó Đoan), và sự tha hóa toàn diện của cấu trúc gia đình tư sản.
  • Việc lượng hóa tần số xuất hiện của các lớp từ xưng hô gia đình và xã hội đã tạo ra cơ sở khoa học vững chắc, chứng minh tài năng bậc thầy của Vũ Trọng Phụng trong việc khai thác tối đa tiềm năng ngữ dụng và phong cách học của tiếng Việt.
  • Đề tài là nguồn tài liệu tham khảo giá trị cho sinh viên, giảng viên và các nhà nghiên cứu quan tâm đến ngôn ngữ học văn học và xử lý dữ liệu văn bản tiếng Việt.