ตัวเลข “จำนวนคำ” ไม่ได้เป็นข้อเท็จจริงตายตัว โดยเฉพาะเมื่อภาษาไทยกับอังกฤษอยู่ในเอกสารเดียวกัน เครื่องมือสองตัวอาจอ่านไฟล์เดียวกันแล้วรายงานคนละยอด ทั้งที่ไม่มีคำไหนหาย ปัญหาไม่ได้อยู่ที่เครื่องคิดเลข แต่อยู่ที่นิยามว่าอะไรควรถูกนับเป็นหนึ่งคำ
ภาษาอังกฤษพออาศัยช่องว่างได้ แต่ภาษาไทยเขียนหลายคำติดกัน หากคุณเลือกโปรแกรมนับคำจากหน้าตาที่ใช้ง่ายเพียงอย่างเดียว ระบบอาจนับหนึ่งประโยคไทยเป็นก้อนเดียว แล้วส่งตัวเลขผิดไปถึงใบเสนอราคา ข้อกำหนดบทความ หรือรายงานแปลภาษา
เหตุผลที่เอกสารเดียวกันให้จำนวนคำไม่เท่ากัน
วิธีพื้นฐานที่สุดคือแยกข้อความตรงช่องว่าง วิธีนี้เร็วและพอใช้กับประโยคอังกฤษทั่วไป เช่น The report is ready ซึ่งแบ่งได้สี่หน่วย แต่ประโยค “รายงานพร้อมส่งแล้ว” ไม่มีช่องว่างระหว่างทุกคำ หากระบบไม่รู้จักการตัดคำภาษาไทย มันอาจเห็นทั้งประโยคเป็นคำเดียว
มาตรฐาน Unicode Text Segmentation หรือ UAX #29 จัดภาษาไทยไว้ในกลุ่มอักษรที่ต้องอาศัยการวิเคราะห์ขอบเขตตามบริบท โปรแกรมจึงมักต้องใช้พจนานุกรม กฎภาษา หรือโมเดลแบ่งคำเพิ่มเติม นี่คือเหตุผลเชิงเทคนิคที่ทำให้ยอดจากแต่ละระบบต่างกัน ไม่ใช่หลักฐานว่าเครื่องมือใดเครื่องมือหนึ่งเสียเสมอไป
ความคลาดเคลื่อนยังเกิดกับคำอย่าง e-commerce, don’t, เลข “1,500” อีเมล ตัวย่อ และข้อความไทยปนอังกฤษ เช่น “ส่ง final draft วันนี้” บางระบบนับเครื่องหมายขีดกลางเป็นตัวแบ่ง บางระบบเก็บทั้งคำไว้ด้วยกัน ก่อนเชื่อตัวเลข ต้องรู้ก่อนว่าระบบแบ่งหน่วยอย่างไร
ตรวจความสามารถจริง อย่าเชื่อแค่ป้ายรองรับสองภาษา
คำว่า “รองรับภาษาไทย” อาจหมายถึงเพียงพิมพ์แล้วไม่กลายเป็นสี่เหลี่ยม ไม่ได้แปลว่าตัดคำไทยได้ถูกต้อง วิธีคัดเลือกที่เร็วกว่าอ่านคำโฆษณาคือสร้างข้อความทดสอบสั้นๆ ซึ่งมีภาษาไทย อังกฤษ ตัวเลข และเครื่องหมายอยู่ในย่อหน้าเดียว แล้วตรวจผลด้วยตา
เกณฑ์ต่อไปนี้ช่วยแยกเครื่องมือที่นับได้จริงออกจากเครื่องมือที่แค่นับช่องว่าง:
- ตัดคำไทยตามบริบท ไม่เหมารวมข้อความระหว่างช่องว่างเป็นคำเดียว
- จัดการอังกฤษปนไทย โดยไม่ตัดคำติดเครื่องหมายจนยอดพุ่งผิดธรรมชาติ
- นับเฉพาะข้อความที่เลือก เพื่อแยกหัวเรื่อง เชิงอรรถ หรือตารางออกจากเนื้อหาหลัก
- แสดงจำนวนอักขระร่วมด้วย ทั้งแบบรวมและไม่รวมช่องว่าง
- ระบุนโยบายข้อมูล ว่าประมวลผลในเครื่องหรือส่งข้อความขึ้นเซิร์ฟเวอร์
อย่าตัดสินจากยอดรวมเพียงครั้งเดียว ให้ลองเพิ่มคำไทยหนึ่งคำและคำอังกฤษหนึ่งคำ ถ้าตัวเลขขยับตามที่ควร เครื่องมือเริ่มน่าเชื่อถือ หากเพิ่มประโยคไทยยาวแล้วขึ้นเพียงหนึ่ง หน่วยแบ่งคำของมันไม่เหมาะกับงานนี้
ใช้กรอบ “หน่วย–พื้นที่–หลักฐาน” ก่อนส่งงาน
ปัญหาส่วนใหญ่ไม่ได้จบด้วยการหาแอปที่แม่นที่สุด เพราะคำว่า “แม่น” ต้องเทียบกับกติกาของผู้รับงาน กรอบสามชั้นนี้เริ่มจาก หน่วย ว่านับคำหรืออักขระ ต่อด้วย พื้นที่ ว่าส่วนใดของเอกสารถูกนับ และจบที่ หลักฐาน ซึ่งเก็บวิธีนับไว้ตรวจย้อนหลัง
นำกรอบนี้ไปใช้เป็นลำดับสั้นๆ ก่อนแจ้งยอด:
- ถามผู้รับงานว่าใช้จำนวนคำจากซอฟต์แวร์ใด หรือยอมรับจำนวนอักขระแทนหรือไม่
- กำหนดว่าจะรวมชื่อเรื่อง ตาราง คำบรรยายภาพ เชิงอรรถ และข้อความซ้ำหรือเปล่า
- วางตัวอย่างผสมภาษาในเครื่องมือ แล้วตรวจจุดแบ่งคำที่เสี่ยงอย่างคำทับศัพท์และคำมีขีดกลาง
- บันทึกยอด รุ่นของแอป วันที่ตรวจ และขอบเขตข้อความไว้กับไฟล์งาน
ขั้นตอนสุดท้ายดูจุกจิก แต่ช่วยหยุดการเถียงแบบไร้หลักฐานได้ดี เพราะอัลกอริทึมอาจเปลี่ยนหลังอัปเดตซอฟต์แวร์ หากงานคิดค่าจ้างตามปริมาณ ควรตกลงกติกาก่อนเริ่ม ไม่ใช่รอให้ยอดสองฝั่งต่างกันแล้วค่อยหาคนผิด
เมื่อไรควรใช้จำนวนอักขระแทนจำนวนคำ
งานภาษาไทยบางประเภทเหมาะกับจำนวนอักขระมากกว่า เพราะขอบเขตอักขระตรวจซ้ำได้ตรงกว่าเส้นแบ่งคำ โดยเฉพาะงานแปล งานป้อนข้อมูล หรือข้อความที่มีศัพท์เฉพาะจำนวนมาก แต่ต้องระบุให้ชัดว่านับช่องว่างหรือไม่ รวมเครื่องหมายวรรคตอนหรือไม่ และใช้ข้อความหลังจัดรูปแบบแล้วหรือก่อนจัดรูปแบบ
ส่วนบทความที่มีเพดานคำหรือเอกสารที่ผู้ว่าจ้างกำหนดซอฟต์แวร์ไว้แล้ว ควรใช้ระบบเดียวกับผู้ตรวจ แม้คุณจะชอบอีกระบบมากกว่า ตัวเลขที่ใช้ร่วมกันได้มีค่ากว่าตัวเลขที่ดูแม่นอยู่ฝ่ายเดียว สำหรับเอกสารลับ ควรเลือกการประมวลผลในเครื่องหรืออ่านนโยบายจัดเก็บข้อมูลให้ครบก่อนวางต้นฉบับลงในเว็บ
งานรอบหน้าอย่าเปิดเครื่องมือแล้วคัดลอกยอดทันที ให้ทดสอบหนึ่งย่อหน้าผสมภาษา กำหนดขอบเขต และเก็บหลักฐานการนับไว้ก่อนส่ง เพราะถ้าตัวเลขถูกใช้คิดเงินหรือปฏิเสธงาน คุณพร้อมอธิบายหรือยังว่าแต่ละ “คำ” ถูกแบ่งด้วยกติกาอะไร?
