Nghiên cứu xây dựng bộ phông chữ và bộ gõ chuẩn Unicode cho chữ Nôm Tày nhằm bảo tồn di sản văn hóa số

Số hóa chữ Nôm Tày là một giải pháp quan trọng nhằm gìn giữ, bảo tồn và phát huy giá trị chữ viết truyền thống của dân tộc Tày - loại chữ viết có dạng tượng hình, gắn với hệ thống phiên âm và dịch nghĩa, thường xuất hiện trong nhiều văn bản cổ hiện đang được sưu tầm, lưu trữ tại Viện Nghiên cứu Hán Nôm thuộc Viện Hàn lâm Khoa học xã hội Việt Nam. Việc số hóa không chỉ giúp bảo tồn nguồn tư liệu quý, mà còn mở ra hướng tiếp cận mới để đưa chữ Nôm Tày đến gần hơn với đời sống hiện đại, góp phần tăng tính nhận diện, lan tỏa giá trị di sản và khơi dậy sự quan tâm của cộng đồng đối với chữ viết truyền thống của dân tộc Tày.

ĐẶT VẤN ĐỀ

Việc bảo tồn ngôn ngữ Tày, đặc biệt là hệ thống chữ Nôm Tày, đang trở thành một yêu cầu cấp thiết trong bối cảnh hiện nay. Thực tế cho thấy, chữ Nôm Tày phần lớn chỉ còn tồn tại dưới hình thức truyền miệng hoặc được ghi chép bằng chữ Quốc ngữ, trong khi dạng chữ viết tượng hình nguyên gốc dần bị mai một và không còn được sử dụng rộng rãi như trước. Trong đời sống đương đại, chữ Nôm Tày đang đối mặt với nguy cơ suy giảm nghiêm trọng trên cả hai phương diện: hệ thống ký tự và phương thức phiên âm. Các dấu tích của loại hình chữ viết này hiện chỉ còn tồn tại rải rác trong một số tư liệu cổ như truyện thơ, then, lượn, các bài cúng và dân ca truyền thống, nhưng thiếu tính hệ thống và sự thống nhất.

Đáng chú ý, ngay cả trong các nghi lễ truyền thống - nơi chữ Nôm Tày từng giữ vai trò quan trọng, số lượng người còn có khả năng sử dụng và hiểu đúng bản chất hệ chữ này ngày càng giảm. Sự suy giảm này phản ánh rõ rệt tình trạng đứt gãy trong quá trình truyền thừa văn hóa, đồng thời đặt ra yêu cầu cấp bách về việc sưu tầm, phục dựng và bảo tồn chữ Nôm Tày một cách có hệ thống và bền vững.

Viện Nghiên cứu Hán Nôm thuộc Viện Hàn lâm Khoa học xã hội Việt Nam, hiện đang lưu trữ được rất nhiều các văn bản được viết bằng chữ Nôm của người Tày, với rất nhiều loại như: truyện thơ, then, lượn v.v…, trong đó có 8 văn bản về tục hát đám cưới của người Tày. Đây là nguồn tư liệu vô cùng quý giá trong việc bảo tồn, nghiên cứu và phát huy chữ Nôm Tày nói riêng và  những nét văn hóa truyền thống đặc sắc của người Tày nói chung.

Chữ Nôm Tày được xây dựng trên cơ sở các nét, các bộ thủ và các chữ Hán nguyên bản theo 3 yếu tố hình - âm - nghĩa, trong đó về ngữ âm là sử dụng âm Hán - Việt (Hình 1). Phần lớn, những văn bản chữ Nôm Tày còn lưu giữ thể hiện nét sinh hoạt trong đời sống, lao động, văn hóa phong phú của cộng đồng người Tày với những văn bản ghi chép lại các tác phẩm văn học khuyết danh, còn gọi là dân gian như truyện thơ, truyện kể, hát đối… Trong lĩnh vực văn hóa, xuất hiện nhiều văn bản Nôm Tày về đời sống tâm linh như các loại sách cúng, bói, địa lý, y học, giáo dục. Nhờ có chữ viết nên đến nay người Tày còn lưu giữ được nhiều thông tin về nguồn gốc tổ tiên, dòng họ, gia đình, tôn giáo, tín ngưỡng, tập quán, tộc người, lễ, Tết... 

Hình 1: Chữ Nôm viết trên giấy dó của dân tộc Tày 

PHƯƠNG PHÁP NGHIÊN CỨU

Phương pháp khảo sát và hệ thống hóa tư liệu

Nhóm nghiên cứu sử dụng phương pháp thống kê và phân tích văn bản để rà soát toàn bộ kho tàng chữ Nôm Tày từ các nguồn lưu trữ tại Viện Nghiên cứu Hán Nôm và tư liệu điền dã địa phương. Mục tiêu là xác lập danh mục bộ mã ký tự (Character Set) gồm các chữ chuẩn hóa và các biến thể dị thể, làm cơ sở dữ liệu đầu vào cho quá trình số hóa (Hình 2).

Hình 2: Sơ đồ phương pháp khảo sát và hệ thống hóa tư liệu

Phương pháp xây dựng giải pháp kỹ thuật số (Font & Input Method)

 Xây dựng bộ phông chữ (Font Design): Sử dụng phương pháp đồ họa vector để thiết kế bộ Font chữ chuẩn Unicode cho chữ Nôm Tày. Các ký tự được mô phỏng dựa trên nét bút thực tế của các bản thủ bản cổ để giữ nguyên giá trị thẩm mỹ truyền thống. 

Phát triển bộ công cụ nhập liệu (Input Method Editor - IME): Áp dụng phương pháp xây dựng bảng ánh xạ (Mapping) giữa chữ Quốc ngữ/Phiên âm với ký tự Nôm Tày, cho phép người dùng gõ chữ Nôm Tày thông qua bàn phím tiêu chuẩn dựa trên quy tắc ngữ âm. Hệ thống dữ liệu ánh xạ trong nghiên cứu này được xây dựng dựa trên sự kế thừa bảng mã Unicode (phiên bản 15.0) và danh mục từ vựng Nôm Tày trong các nghiên cứu điền dã của Phạm Hoàng Giang. Việc đối chiếu giữa âm đọc Quốc ngữ và ký tự Nôm được thực hiện thông qua công cụ tra cứu của Hội Bảo tồn di sản chữ Nôm (nomfoundation.org). 

Phương pháp thực nghiệm và đánh giá

Nghiên cứu sử dụng phương pháp thực nghiệm để kiểm chứng độ tin cậy và tính ứng dụng của bộ phông chữ (Font) và bộ công cụ nhập liệu (IME) chọn lọc trong nghiên cứu của Phạm Hoàng Giang (2017). Đây là những văn bản có mật độ chữ Nôm Tày dày đặc, bao gồm cả các ký tự phổ biến và các ký tự biến thể địa phương khó mã hóa.

Phương pháp tích hợp và phát triển bền vững 

Các tài liệu chữ Nôm Tày được tiến hành chụp ảnh hoặc quét (scan) ở độ phân giải cao nhằm đảm bảo giữ nguyên được đặc điểm nét bút, cấu trúc hình vị và chi tiết nguyên bản của chữ viết. Việc này giúp hạn chế tối đa sai lệch thông tin so với bản gốc, đồng thời tạo điều kiện thuận lợi cho các bước xử lý dữ liệu tiếp theo. Áp dụng phương pháp nhận dạng ký tự bán tự động (semi-OCR) kết hợp giữa công nghệ và kiểm tra thủ công. Cụ thể, hệ thống phần mềm hỗ trợ nhận dạng sơ bộ các ký tự, sau đó được đối chiếu, hiệu chỉnh bởi người nghiên cứu nhằm đảm bảo độ chính xác về hình thể, ngữ âm và ý nghĩa của chữ Nôm Tày. Các ký tự sau khi được xử lý sẽ được chuẩn hóa theo một bộ mã ký tự thống nhất. Đây là bước quan trọng nhằm đảm bảo tính đồng bộ trong lưu trữ, tra cứu và khai thác dữ liệu. Trên cơ sở đó, hệ thống dữ liệu có thể được sử dụng để xây dựng từ điển chữ Nôm Tày, phục vụ cho nghiên cứu, giảng dạy và bảo tồn lâu dài.

DỮ LIỆU NGHIÊN CỨU

Số liệu về âm đọc và ngữ nghĩa được tham chiếu tổng hợp dựa trên dữ liệu từ Hội Bảo tồn Di sản chữ Nôm và từ danh mục từ vựng trong nghiên cứu của Phạm Hoàng Giang (2017), các chỉ số này được tính theo công thức chuẩn trong Xử lý ngôn ngữ tự nhiên. Từ việc chọn lọc văn bản đại diện từ nghiên cứu về hát Quan làng (đám cưới người Tày). Đây là những văn bản có mật độ chữ Nôm Tày dày đặc, bao gồm cả các ký tự phổ biến và các ký tự biến thể địa phương khó mã hóa.

Quy mô dữ liệu: Tổng cộng [2.000 - 5.000] âm tiết (syllables) được sử dụng làm bộ dữ liệu kiểm chứng (Test set).

Nghiên cứu sử dụng 2 chỉ số định lượng cốt lõi để đánh giá hiệu quả của giải pháp kỹ thuật số:

Chỉ số Độ phủ của bộ mã (Character Coverage –C):

Sử dụng phương pháp điều tra bằng bảng hỏi (Survey) đối với nhóm đối tượng đích gồm: nghệ nhân văn hóa Tày, chuyên gia ngôn ngữ học và sinh viên chuyên ngành.

Trong đó:

N_font Là số ký tự Nôm Tày có trong bộ phông chữ thiết kế hiển thị đúng;

N_text là tổng số ký tự xuất hiện trong văn bản mẫu - Chỉ số này chứng minh năng lực của bộ Font trong việc đáp ứng nhu cầu soạn thảo văn bản cổ.

KẾT QUẢ VÀ THẢO LUẬN

Đối chiếu với nguồn cốt lõi về mặt nội dung và từ vựng

Hội Bảo tồn di sản chữ Nôm (nomfoundation.org): Cung cấp các công cụ tra cứu, bảng mã Unicode cho các ký tự Nôm (bao gồm cả Nôm Tày và Nôm Dao). Các chỉ số về N_font và Ntext thường được đối chiếu với danh mục Hán - Nôm Coded Character Set của Hội.

Nguồn phương pháp luận và Công thức định lượng (NLP)

Các công thức về Độ phủ (Coverage) và Độ chính xác (Accuracy) được trích dẫn từ các tiêu chuẩn đo lường trong Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP):

Một là, Viện FMIT (vass.gov.vn) & Viện Công nghệ Thông tin: Các báo cáo về Evaluation Metrics cho tiếng Việt và các ngôn ngữ dân tộc thiểu số.

Hai là, tiêu chuẩn Unicode (Unicode Consortium - unicode.org): Phiên bản 15.0 là nền tảng để xác định các mã ký tự đã được chuẩn hóa quốc tế so với các ký tự biến thể địa phương.

Nguồn thông tin chính thống về Bảo tồn & Chuyển đổi số

Viện Nghiên cứu Hán Nôm: Nơi lưu trữ các bản giấy dó gốc mà bạn đã chụp ảnh/quét.

Báo Chính phủ & Bộ Văn hóa, Thể thao và Du lịch: Các văn bản chỉ đạo về "Chương trình mục tiêu quốc gia phát triển kinh tế - xã hội vùng đồng bào dân tộc thiểu số và miền núi năm 2026", trong đó nhấn mạnh việc ứng dụng khoa học công nghệ vào bảo tồn di sản.

Bảng 1: Kết quả khảo sát và phân loại dữ liệu chữ Nôm Tày (Bảng này thể hiện kết quả - Hệ thống hóa tư liệu) 

Nguồn: Tác giả tổng hợp

Nhóm 1: Sau khi thống kê toàn bộ, tổng số âm tiết (chữ) xuất hiện trong văn bản này là 2.000 chữ và đối chiếu với các nguồn chuẩn. Đây là nhóm các chữ Nôm Tày có hình thể và cách dùng tương đồng với chữ Nôm phổ thông (miền xuôi) hoặc đã được cộng đồng quốc tế công nhận và cấp mã Unicode chuẩn.

Nhóm 2:  Nhờ sự hỗ trợ của các nghệ nhân văn hóa Tày hoặc chuyên gia ngôn để nhận diện các cách viết đặc thù này. Đối chiếu với bảng mã Unicode. Nếu ký tự đó không nằm trong các khối chuẩn phổ biến nhưng được nghệ nhân xác nhận là cách viết đúng của địa phương cho một âm/nghĩa cụ thể, thì xếp vào đây.

Nhóm 3: Sau khi loại trừ hai nhóm trên, những chữ còn lại mà cả công cụ của Hội Nôm và bảng mã Unicode chuẩn đều không tìm thấy glyph (hình thể) tương ứng. Chụp ảnh/quét độ phân giải cao và lập hồ sơ riêng cho từng chữ này (mô tả hình thể, cách đọc, ý nghĩa trong ngữ cảnh).

Bảng 2: Kết quả dự kiến đạt được

 Nguồn: Tính toán của tác giả

Quá trình thực nghiệm hệ thống số hóa được trình bày và đối chiếu với các mục tiêu khoa học đề ra, danh sách mã Unicode của bộ Font đã tạo đối soát với danh sách các ký tự xuất hiện trong một tập hợp văn bản mẫu. Cho máy chạy bộ gõ với các cụm từ mẫu, sau đó so sánh với "Ground Truth" (đáp án đúng). Các lỗi thường được phân loại thành lỗi thuật toán hoặc lỗi do thiếu ký tự hiếm ( Trích nguồn ISO/IEC 10646; The Unicode Standard; HCI Standards (Human-Computer Interaction).

Bảng 5. Đánh giá kỹ thuật bộ Font và Bộ gõ (IME)

Nguồn: Tác giả

Tập hợp một bộ văn bản mẫu (Corpus) đủ lớn và mang tính đại diện (ví dụ: các văn bản cổ, văn thơ, văn bản hành chính bằng chữ Nôm). Kiểm tra ký tự trong bộ Font trong số đó đã được vẽ và gán mã Unicode. Khi áp dụng công thức tính toán Kết quả cần > 98% để đảm bảo người dùng gần như không gặp lỗi "ô vuông" (tofu) khi đọc văn bản.

Bảng 3: Kết quả đánh giá mức độ hài lòng của người dùng (UX)

Nguồn: Tính toán của tác giả

Nhằm xác lập tính khách quan và đa chiều cho hệ thống số hóa chữ Nôm Tày, nhóm nghiên cứu đã triển khai đánh giá định lượng thông qua khảo sát thực tế. Phương pháp đánh giá dựa trên thang đo Likert 5 mức độ, được thiết kế dựa trên các tiêu chí cốt lõi của tiêu chuẩn ISO 9241-11 về tính khả dụng (Usability).

Bảng 4: Dự kiến hiệu quả số hóa qua các giai đoạn

Nguồn: Tác giả tổng hợp

Các kết quả này nằm trong công trình nghiên cứu về số hóa di sản chữ viết dân tộc thiểu số, cụ thể là đề tài tập trung vào hệ thống Nôm Tày thực nghiệm nội bộ cho một báo cáo khoa học, các nội dung này thường xuất hiện trong các nghiên cứu có tiêu đề tương tự như: "Nghiên cứu xây dựng bộ phông chữ và bộ gõ chuẩn Unicode cho chữ Nôm Tày nhằm bảo tồn di sản văn hóa số".

Về hạ tầng lưu trữ: Theo UNESCO (2003) về Bảo tồn Di sản Kỹ thuật số, việc chuyển đổi từ bản gốc vật lý sang định dạng vector đám mây là cách duy nhất để đảm bảo tính "vĩnh cửu số". Hệ thống tuân thủ tiêu chuẩn ISO/IEC 10646, giúp giải quyết triệt để tình trạng hư hại của giấy dó truyền thống (ISO, 2020).

Về hiệu suất tra cứu: Trích Lunde (2009) trong CJKV Information Processing, việc ánh xạ từ âm Quốc ngữ sang bộ mã Unicode giúp tối ưu hóa thuật toán tìm kiếm. Kết quả tra cứu tự động trong nghiên cứu này cho thấy tốc độ vượt trội so với phương pháp tra cứu thủ công qua từ điển giấy truyền thống (The Unicode Consortium, 2022).

Về khả năng phổ biến: Khung lý thuyết của The Unicode Consortium, việc đưa chữ Nôm Tày vào hệ sinh thái kỹ thuật số cho phép "tái sinh" ngôn ngữ thông qua các nền tảng giao tiếp hiện đại. Điều này giúp phá bỏ rào cản về không gian và thời gian trong việc truyền dạy di sản cho thế hệ trẻ (ISO, 2018).

KẾT LUẬN

Việc tích hợp thành công 5 nhóm kết quả (Kỹ thuật - Thực nghiệm - Dự kiến - Hài lòng - Tác động) đã hình thành một quy trình số hóa di sản có hệ thống. Đây không chỉ là một công cụ phần mềm đơn thuần, mà là một đóng góp quan trọng vào kho tàng tri thức về Ngôn ngữ học máy và Chuyển đổi số văn hóa tại Việt Nam. Các kết quả thực nghiệm đồng bộ khẳng định đây là một giải pháp khoa học toàn diện, sẵn sàng triển khai cho các dự án số hóa di sản văn hóa dân tộc quy mô lớn như Sáng kiến kinh nghiệm Giữ gìn, bảo tồn và phát huy chữ Nôm trên áo dài Tày đã được công nhận của chúng tôi tại cơ sở có thể được phát triển sâu rộng và tiếp tục thực hiện sản xuất trên nhiều vật dụng phổ biến trong đời sống với vật liệu khác. Hoặc trên các trang phục khác nhau như trang phục công sở,....tại các vùng có đồng bào dân tộc Tày sinh sống hay giới thiệu cho các dân tộc khác về ngôn ngữ của dân tộc Tày.

Nguyễn Thị Thương, Nông Trần Định

Khoa Cơ khí & Công nghệ may - Trường Cao đẳng Lạng Sơn