Written by: Claude AI.
Curator/Editor: Học Trò.
Nghiên cứu số 9 trong loạt đề xuất, làm trước tiên vì các nghiên cứu sau cần nó. Câu hỏi ban đầu là kỹ thuật: năm bản Truyện Kiều của Nom Foundation (1866, 1870, 1871, 1872, 1902) dùng những vùng mã nào của Unicode, bao nhiêu chữ phải nhờ đến vùng mã riêng (PUA), và có bao nhiêu chữ chỉ khác nhau về mã mà giống nhau về hình, cần gộp lại trước khi so sánh. Câu trả lời hoá ra lại kể một chuyện khác, về con người: chỗ khác nhau lớn nhất giữa các bản không nằm ở mã tương thích, mà ở cách mỗi nhóm phiên âm quyết định chữ nào "đã có trong Unicode" và chữ nào thì chưa.
1. Bức tranh chung: bảy phần mười nằm trong vùng cơ bản
Đếm từng chữ Nôm trong cả năm bản (không tính khoảng trắng), xếp theo vùng mã:
| Vùng mã | 1866 | 1870 | 1871 | 1872 | 1902 |
|---|---|---|---|---|---|
| CJK cơ bản (4E00–9FFF) | 11.491 | 15.446 | 15.325 | 15.641 | 15.129 |
| Ext-A | 470 | 626 | 631 | 873 | 575 |
| Ext-B | 3.358 | 5.270 | 4.715 | 4.314 | 5.582 |
| Ext-C | 132 | 176 | 200 | 324 | 107 |
| Ext-E | 256 | 267 | 403 | 312 | 447 |
| Ext-F | 30 | 8 | 48 | 65 | 41 |
| Ext-G | 21 | 6 | 23 | 16 | 4 |
| Ext-H | 674 | 668 | 1.027 | 673 | 776 |
| Ext-J | 10 | 6 | 10 | 25 | 7 |
| Tương thích (﨤) | 19 | 30 | 27 | 4 | 31 |
| PUA (vùng riêng) | 254 | 317 | 361 | 555 | 87 |
| Ký tự hỏng (�) | — | — | 8 | — | — |
| Dấu "-" (chỗ khuyết) | 15 | — | — | 8 | — |
| Tổng lượt chữ | 16.730 | 22.820 | 22.778 | 22.810 | 22.786 |
| Số chữ khác nhau | 2.506 | 2.846 | 2.790 | 2.875 | 2.747 |
Gộp năm bản lại thì có 4.418 chữ khác nhau, rất gần con số 4.420 mục mà chính trang Nom Foundation ghi cho bảng "Glossary of characters in all versions". Sự trùng khớp này cho thấy dữ liệu tải về đầy đủ.
Tính theo phần trăm lượt chữ, bức tranh của năm bản giống nhau đến ngạc nhiên:
| Bản | Vùng cơ bản + Ext-A | Ext-B đến F | Ext-G, H, J (mã mới từ 2020) | PUA |
|---|---|---|---|---|
| 1866 | 71,6% | 22,6% | 4,2% | 1,52% |
| 1870 | 70,6% | 25,1% | 3,0% | 1,39% |
| 1871 | 70,2% | 23,6% | 4,7% | 1,58% |
| 1872 | 72,4% | 22,0% | 3,1% | 2,43% |
| 1902 | 69,1% | 27,1% | 3,5% | 0,38% |
Khoảng bảy phần mười chữ Nôm trong Kiều là những chữ có sẵn trên mọi máy tính từ thập niên 1990. Gần một phần tư nằm ở Ext-B đến Ext-F, cần phông chữ đầy đủ hơn. Và cứ khoảng 25 đến 30 chữ lại có một chữ thuộc các vùng mã rất mới: Ext-G (Unicode 13, năm 2020), Ext-H (Unicode 15, năm 2022), và Ext-J (Unicode 17, năm 2025). Riêng Ext-H đã chiếm 668 đến 1.027 lượt mỗi bản. Theo bảng nguồn của Unihan 17.0, 931 trong 4.192 chữ của khối này (khoảng 22%) có nguồn từ Việt Nam; ở Ext-J là 991 trong 4.298 chữ. Vài chục chữ trong Kiều thuộc Ext-J, khối vừa được chuẩn hoá tháng 9/2025.
Hệ quả thực tế cho người đọc: muốn xem các trang HTML của dự án này cho đủ chữ, máy cần một phông Nôm cập nhật đến Ext-H trở lên (ví dụ các phông Nôm Na Tống mới, hoặc bộ phông có phủ Unicode 15–17). Thiếu phông thì cứ khoảng một câu rưỡi lại gặp một ô trống.
2. Mã tương thích: gần như không có gì để gộp
Đề xuất ban đầu lo rằng nhiều cặp chữ "giống hình khác mã" sẽ làm phồng số khác biệt giữa các bản, nên phải gộp chúng trước. Kiểm tra thực tế cho kết quả ngược lại:
- Cả năm bản chỉ dùng đúng một chữ thuộc vùng tương thích: 﨤 (U+FA24), đọc gặp (106 lần), gấp (2 lần), vừa (1 lần). Đây lại là một trong mười hai chữ của vùng tương thích được Unicode coi là chữ thống nhất thực thụ (không có dạng chuẩn hoá NFC nào khác), nên không có gì để quy đổi.
- Tra bảng biến thể Unihan 17.0 (trường kZVariant, tức "cùng chữ, khác mã do nguồn"): không có cặp nào mà cả hai chữ cùng xuất hiện trong dữ liệu.
Vậy bảng quy đổi mã tương đương rỗng, và đó là tin tốt: khi các nghiên cứu sau đếm chữ khác nhau giữa các bản, khác biệt ấy không phải do lỗi chuẩn hoá Unicode. Khó khăn thật nằm ở chỗ khác.
3. PUA: nơi khác biệt thật sự nằm
Vùng mã riêng (Private Use Area) là phần Unicode để trống cho mỗi tổ chức tự gán chữ của mình. Dữ liệu Kiều của Nom Foundation dùng mặt phẳng 15 (U+F0000 trở đi) cho những dạng chữ Nôm chưa có mã chuẩn. Hình của các mã ấy có lẽ do phông Nôm riêng của Hội vẽ ra; ngoài phông đó, các mã này không mang nghĩa gì.
Năm bản dùng tổng cộng 218 mã PUA khác nhau (324 cặp bản–mã). 164 mã chỉ xuất hiện trong một bản; 54 mã dùng chung từ hai bản trở lên, trong đó 5 mã có mặt ở cả năm bản. Số lượt PUA chênh nhau rất xa: 555 lượt ở 1872, nhưng chỉ 87 lượt ở 1902.
Những mã PUA dùng nhiều nhất cho thấy một điều quan trọng: đó không phải chữ hiếm. Đó là những từ thông dụng bậc nhất của tiếng Việt:
| Âm | 1866 | 1870 | 1871 | 1872 | 1902 |
|---|---|---|---|---|---|
| mặt | PUA ×48, 𩈘 ×9 | PUA ×88, 𩈘 ×1 | PUA ×74, 𩈘 ×11 | PUA ×85, 𩈘 ×3 | 𩈘 ×85 |
| đâu | 兜 ×81, PUA ×2 | 兜 ×110, 𱏫 ×5 | 𱏫 ×62, PUA ×52 | PUA ×85, 𱏫 ×29 | 兜 ×114 |
| có | 固 ×120 | 固 ×160 | 固 ×162 | 固 ×97, PUA ×62 | 固 ×161 |
| dưới | 𠁑 ×26 | PUA ×36 | 𠁑 ×35 | PUA ×28, 𠁑 ×9 | 𤲂 ×31 |
| nay | PUA ×19, 𫢩 ×3 | PUA ×28, 𫢩 ×3 | PUA ×28, 𫢩 ×3 | PUA ×26, 尼 ×4 | 𫢩 ×21, PUA ×6 |
| xem | PUA ×22 | 䀡 ×32 | PUA ×28 | 𫀅 ×22, 袩 ×9 | 䀡 ×30 |
| bắt | 扒 ×14 | PUA ×16 | 扒 ×17 | 扒 ×18 | 扒 ×16 |
| nết | PUA ×8 | PUA ×12 | PUA ×10 | PUA ×7, 湿 ×3 | PUA ×11 |
| thầm | 忱 ×5, PUA ×5 | PUA ×8, 忱 ×6 | PUA ×13 | PUA ×13 | PUA ×10, 忱 ×2 |
(Mỗi ô ghi chữ dùng nhiều nhất trước. "PUA" ở hàng mặt là cùng một mã U+F061A trong bốn bản; ở hàng nết là U+F07BA trong cả năm bản.)
Ba điều đọc được từ bảng này:
Mỗi bản nhất quán với chính nó. Bản 1870 viết mặt bằng mã PUA 88 lần và bằng 𩈘 chỉ một lần. Bản 1902 viết mặt bằng 𩈘 cả 85 lần, không lần nào dùng PUA. Đó không phải chuyện ngẫu nhiên hay gõ nhầm, mà là một quy ước.
Có những từ mà mọi bản đều phải nhờ PUA. Nết (và nét, nát, cùng một chữ) dùng mã U+F07BA ở cả năm bản, kể cả 1902 vốn rất ít dùng PUA. Đây có lẽ là một chữ Nôm thật sự chưa có mã chuẩn. Khi so ở cùng câu, chỗ bản khác không dùng PUA thì thấy 湿 hay 涅, tức là những chữ mượn khác hẳn, không phải cùng một hình.
Có những từ mà chỉ một bản dùng PUA. Bắt chỉ dùng PUA ở 1870; có chỉ ở 1872 (62 trong 162 lần). Những trường hợp này đáng xem ảnh quét nhất, vì chúng có thể là một nét khắc riêng của bản in ấy, cũng có thể chỉ là thói quen của người nhập liệu.
Thử nhìn tận mắt một trường hợp: chữ mặt
Câu 141, Nẻo xa mới tỏ mặt người, có mặt ở cả 1870 (PUA) lẫn 1902 (𩈘). Phóng to chữ thứ năm trên ảnh quét mà trang web cung cấp (trang 11 của bản 1870, trang 8 của bản 1902), hai chữ trông cùng một cấu trúc: bên phải là 面, bên trái là một bộ có nét phẩy trên đầu, giống 禾 hơn là 末. Theo bảng phân tích hình chữ (IDS), mã chuẩn 𩈘 là ⿰末面, còn dạng ⿰禾面 thì chưa có mã nào trong Unicode.
Hình 1. Chữ mặt ở câu 141, cắt từ ảnh quét trên trang Nom Foundation và phóng to khoảng bốn lần: bản 1870 (trái, trang 11) và bản 1902 (phải, trang 8). Mép trên và dưới là một phần của chữ liền trước và liền sau. Cả hai cùng một bố cục trái–phải, bên phải là 面, bộ bên trái có nét phẩy trên đầu.
Cách giải thích hợp lý nhất: cả hai bản in cùng khắc mặt theo dạng ⿰禾面. Nhóm phiên âm các bản 1866–1872 giữ đúng dạng ấy bằng một mã PUA; nhóm làm bản 1902 thì quy về mã chuẩn gần nhất là 𩈘. Nếu đúng vậy, khác biệt mặt giữa 1870 và 1902 là khác biệt về chính sách nhập liệu, không phải khác biệt về mộc bản. Ảnh trên web có độ phân giải thấp (khoảng 350 đến 550 điểm ảnh bề ngang), nên kết luận này chỉ ở mức "có khả năng"; muốn chắc cần ảnh gốc độ phân giải cao.
Ai làm bản nào: lời giải cho con số 87
Đầu mỗi trang web ghi rõ người phiên âm. Bản 1866, 1870 và 1871 do Nguyễn Quảng Tuân phiên âm và khảo dị; bản 1872 do Nguyễn Tài Cẩn; bản 1902 do Nguyễn Thế và Phan Anh Dũng sưu tầm, khảo chú và chế bản Nôm, Nguyễn Đình Thảng hiệu đính chữ Nôm. Bản 1902 dùng PUA ít nhất (87 lượt, 16 mã), và cũng là bản duy nhất mà phần chữ Nôm được một nhóm riêng "chế bản" lại. Điều này khớp với giả thuyết ở trên: số lượng PUA phản ánh quyết định của người nhập liệu nhiều hơn là độ hiếm của chữ trên mộc bản.
4. Đoán chữ chuẩn cho mỗi mã PUA
Vì các bản được gióng theo số câu (cau_guess) và chữ Nôm được ghép sẵn với âm, ta có thể làm một phép thử đơn giản: với mỗi mã PUA, xem ở cùng câu, cùng vị trí, cùng âm thì bốn bản kia viết bằng chữ chuẩn nào.
- Trong 324 cặp bản–mã, 282 cặp có ít nhất một chữ chuẩn đứng cùng chỗ ở bản khác.
- Trong số đó, 137 cặp có một chữ chuẩn trội rõ (chiếm từ 80% số lần trở lên). Ví dụ: PUA mặt ↔ 𩈘 (47/47 lần ở bản 1866), PUA có của 1872 ↔ 固 (215 lần), PUA bắt của 1870 ↔ 扒 (69 lần).
- 145 cặp có nhiều chữ chuẩn khác nhau đứng cùng chỗ, ví dụ PUA xem ↔ 䀡, 𫀅, 袩. Ở đây các bản thật sự chọn chữ khác nhau, và mã PUA chỉ là một lựa chọn nữa trong số đó.
- 42 cặp không có chữ chuẩn đối ứng nào (bản khác cũng dùng PUA, hoặc câu không gióng được).
Bảng đầy đủ (mã, âm, số lượt, câu, chữ đối ứng) được lưu lại để dùng cho nghiên cứu số 3. Nhưng cần nói rõ: chữ đối ứng chỉ cho biết cùng một từ, không cho biết cùng một hình. Không được thay PUA bằng chữ đối ứng rồi coi như hai bản "giống nhau". Cách làm đúng cho nghiên cứu so sánh chữ là đếm hai lần, một lần coi PUA là chữ riêng, một lần coi PUA bằng chữ đối ứng trội, và báo cáo cả hai con số.
5. Những chỗ dữ liệu có vấn đề
- Bản 1871 có 8 ký tự hỏng (�) trên 7 câu: trang web không hiển thị được chữ ấy. Các câu này vẫn đếm được âm, nhưng chữ Nôm ở vị trí đó coi như mất.
- Dấu "-" trong phần chữ Nôm: 15 lượt ở bản 1866 (10 câu) và 8 lượt ở bản 1872. Đây là chỗ người phiên âm đánh dấu khuyết chữ. Khi đếm phải loại ra, không được coi là một "chữ".
- Sáu câu không ghép được chữ với âm vì số chữ và số âm tiết lệch nhau: ba câu ở bản 1866, mỗi bản 1871, 1872, 1902 một câu; bản 1870 không có câu nào. Các câu này không vào được phép thử ở mục 4.
6. Ý nghĩa cho các nghiên cứu tiếp theo
- So sánh chữ giữa các bản (nghiên cứu số 3) không cần bước gộp mã tương thích, nhưng bắt buộc phải xử lý PUA theo hai cách song song như mục 4 đã nói. Nếu không, bản 1902 sẽ có vẻ "khác hẳn" ba bản Nguyễn Quảng Tuân chỉ vì chính sách nhập liệu.
- Từ láy và từ đôi (nghiên cứu số 1 và 2) làm việc trên phần quốc ngữ, nên không bị PUA ảnh hưởng. Riêng câu hỏi "hai chữ của một cặp láy có dùng chung thành phần không" thì phải bỏ qua các cặp có chữ PUA, vì không phân tích hình được.
- Độ hiếm của chữ không đo được bằng vùng mã. Mặt nằm trong PUA ở bốn bản, trong khi rất nhiều chữ hiếm thật lại nằm gọn trong Ext-B.
Nguồn và lời cảm ơn
Toàn bộ văn bản Nôm, phần phiên âm quốc ngữ, lời chú thích và ảnh quét dùng trong nghiên cứu này là của Hội Bảo tồn Di sản Chữ Nôm (Vietnamese Nôm Preservation Foundation, Nom Foundation). Hội đã số hoá và công bố miễn phí năm bản Truyện Kiều trên trang nomfoundation.org. Xin chân thành cảm ơn Hội và các nhà nghiên cứu đã phiên âm, khảo dị năm bản này. Không có công sức của họ thì không thể có những phép đếm ở đây.
| Bản | Tên bản | Người phiên âm / biên soạn | Nhà xuất bản (bản in) | Liên kết |
|---|---|---|---|---|
| 1866 | Bản Liễu Văn Đường, Nghệ An | Nguyễn Quảng Tuân, phiên âm và khảo dị | Văn học & Trung tâm Nghiên cứu Quốc học, 2004 | Truyện Kiều bản 1866 |
| 1870 | Bản Kinh đời Tự Đức | Nguyễn Quảng Tuân, phiên âm và khảo dị | Văn học & Trung tâm Nghiên cứu Quốc học, 2003 | Truyện Kiều bản 1870 |
| 1871 | Bản Liễu Văn Đường | Nguyễn Quảng Tuân, phiên âm và khảo dị | Văn học & Trung tâm Nghiên cứu Quốc học, 2002 | Truyện Kiều bản 1871 |
| 1872 | Tư liệu Truyện Kiều: Bản Duy Minh Thị | Nguyễn Tài Cẩn (Moskva) | Đại học Quốc gia Hà Nội, 2002 | Truyện Kiều bản 1872 |
| 1902 | Bản Kiều Oánh Mậu | Nguyễn Thế và Phan Anh Dũng (sưu tầm, khảo chú, chế bản Nôm); Nguyễn Đình Thảng (hiệu đính chữ Nôm) | — | Truyện Kiều bản 1902 |
Dữ liệu được tải về ngày 24/10/2026 để nghiên cứu cá nhân, phi thương mại. Mọi con số trong bài được tính từ bản tải về ngày ấy. Nếu trang web sửa dữ liệu về sau, kết quả có thể khác đôi chút.
Nguồn phụ: bảng Unihan của Unicode, phiên bản 17.0 (tháng 7/2025), dùng cho các trường biến thể; bảng phân tích hình chữ IDS của dự án CHISE/cjkvi-ids.
Written by: Claude AI.
Curator/Editor: Học Trò.
Mọi trích dẫn đều phải ghi chú với dòng trên và nói rõ bài khảo luận được lấy từ trang https://hoctroviet.blogspot.com/
No comments:
Post a Comment