باختصار
معدّل خطأ الكلمات (Word Error Rate، واختصاره WER) مقياس شائع لأداء أنظمة التعرّف على الكلام والترجمة الآلية. قيمته عادةً بين 0 و1: صفر يعني النصّين متطابقين تمامًا، وكل ما زاد الرقم زاد الخطأ.
بالتفصيل
المعادلة حسب ويكيبيديا:
WER = (S + D + I) / N
- S: عدد الكلمات المستبدلة (النظام كتب كلمة غلط مكان الصح).
- D: عدد الكلمات المحذوفة (النظام نسي كلمة).
- I: عدد الكلمات المضافة (النظام زوّد كلمة مش موجودة).
- N: عدد كلمات النص المرجعي الصحيح.
المقياس مبني على «مسافة ليفنشتاين» (Levenshtein Distance)، لكن على مستوى الكلمات بدل الحروف. وبما إن المقام هو عدد كلمات المرجع، ممكن المعدّل يطلع أكبر من 1 لو النظام زوّد كلمات كتير.
العيب: المقياس بيعدّ الأخطاء ومش بيقول نوعها. في لغات زي العربية أو اللغات الهندية، فيه اختلافات إملائية وتنسيقية مش بتغيّر المعنى، زي همزة أو تاء مربوطة، والمقياس العادي بيحسبها أخطاء. عشان كده شركات زي Sarvam AI بقت تستخدم مقياس إضافي اسمه LLM-WER، بيستخدم نموذج لغوي يفرّق بين غلط في المعنى واختلاف مالوش أهمية.
مثال عملي
الجملة الصحيحة: «النهارده الجوّ حرّ جدًا» (4 كلمات). النظام كتب: «النهارده الجوّ بارد». فيه استبدال واحد (حرّ ← بارد) وحذف واحد (جدًا). يبقى WER = (1 + 1 + 0) / 4 = 0.5، أي 50%.
مصطلحات مرتبطة
- Speech-to-Text — تحويل الكلام إلى نص.
- Diarization Error Rate (DER) — معدّل خطأ فصل المتحدّثين.
- Benchmark — اختبار قياس الأداء.
المصادر: Wikipedia — Word error rate، MarkTechPost — Saaras V4 — 2026-09-26
