← أحدث الأبحاث
💬 NLP

Reading Between the Signs: Predicting Future Suicidal Ideation from Adolescent Social Media Texts

تقدم هذه الورقة البحثية نموذج Early-SIB، وهو نموذج قائم على تقنية "المحول" (transformer) يتنبأ بالأفكار والسلوكيات الانتحارية المستقبلية لدى المراهقين من خلال تحليل منشوراتهم على وسائل التواصل الاجتماعي بشكل متسلسل، محققاً دقة متوازنة بلغت 0.73 على منتدى للشباب الهولندي مع توفير رؤى قابلة للتفسير عبر استخدام تفسيرات "شابلي" الإضافية (Shapley Additive Explanations).

المؤلفون الأصليون: Paul Blum, Enrico Liscio, Ruixuan Zhang, Caroline Figueroa, Pradeep K. Murukannaiah

نُشر 2026-07-28
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Paul Blum, Enrico Liscio, Ruixuan Zhang, Caroline Figueroa, Pradeep K. Murukannaiah

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك محقق يحاول حل لغز في مكتبة ضخمة وصاخبة، حيث يهمس ملايين الأشخاص بأسرارهم لبعضهم البعض في كل ثانية. هذا هو عالم وسائل التواصل الاجتماعي، الفضاء الرقمي الذي يشارك فيه المراهقون غالباً أعمق مخاوفهم وإحباطاتهم وأحلامهم قبل وقت طويل من إخبارهم لطبيب أو والد. لعقود من الزمن، حاول العلماء التنبؤ بمتى قد يكون الشخص في خطر إيذاء نفسه من خلال النظر في "عوامل الخطر" — مثل الشعور بالحزن، أو المرور بطفولة صعبة، أو الشعور باليأس. فكر في هذه العوامل كأنك تفحص حقيبة ظهر شخص ما لترى ما إذا كان يحمل أحجاراً ثقيلة؛ ورغم أن الأحجار الثقيلة علامة سيئة، إلا أن الكثير من الناس الذين يحملونها لا يلقونها أبداً، وبعض الناس الذين ألقوا بها لم يكونوا يحملون أي شيء واضح على الإطلاق. في الواقع، طوال الخمسين عاماً الماضية، كان محاولة التنبؤ بالانتحار باستخدام قوائم التحقق التقليدية هذه أشبه برمي عملة معدنية؛ فهي تعمل بشكل أفضل قليلاً من التخمين فقط. ولكن ماذا لو استطعنا الاستماع إلى الهمسات في المكتبة قبل أن ينطق الشخص بالكلمات المخيفة بصوت عالٍ؟ هذا هو السؤال الكبير الذي تطرحه هذه الورقة البحثية: هل يمكننا رصد علامات التحذير في الدردشة عبر الإنترنت للمراهقين قبل أن ينشروا رسالة واحدة عن الرغبة في إنهاء حياتهم؟

قرر الباحثون وراء هذه الدراسة، الذين عملوا مع منتدى هولندي للمساعدة مخصص للشباب يسمى "De Kinderteleftoon"، بناء محقق رقمي يُدعى EARLY-SIB. كان هدفهم هو معرفة ما إذا كان بإمكانهم التنبؤ بما إذا كان المستخدم سيكتب في النهاية منشوراً عن الأفكار أو الأفعال الانتحارية، بناءً فقط على الأشياء التي كتبها ورد عليها قبل تلك اللحظة. الأمر يشبه محاولة تخمين قدوم عاصفة من خلال مراقبة كيفية طيران الطيور وهبوب الرياح، بدلاً من انتظار أول قطرة مطر.

للقيام بذلك، لم يبحثوا فقط عن كلمة "انتحار". بدلاً من ذلك، قاموا بتدريب برنامج كمبيوتر ذكي (نوع من أنواع الذكاء الاصطناعي يسمى "المحول" أو Transformer) لقراءة آلاف المنشورات والردود. تعلم البرنامج التعرف على الأنماط الدقيقة في تاريخ المستخدم — مثل التغير المفاجئ في النبرة، أو التحدث عن كون المدرسة مرهقة للغاية، أو طلب النصيحة حول كيفية التوقف عن إيذاء النفس — وهي أمور قد تشير إلى أن هناك خطراً يلوح في الأفق. كان على الفريق أن يكون حذراً للغاية؛ فقد علموا الكمبيوتر أولاً كيفية رصد منشور يتحدث بالفعل عن الانتحار (وقد فعل ذلك بدقة عالية، حيث أصاب في حوالي 96% من الحالات). ثم استخدموا تلك المهارة لإنشاء قائمة بالمستخدمين الذين لم ينشروا قط عن الانتحار بعد، ولكنهم سوف ينشرون عنه في المستقبل.

وعندما اختبروا نموذج EARLY-SIB الخاص بهم على هذه المجموعة، كانت النتائج واعدة. استطاع النموذج التنبؤ بالأفكار الانتحارية المستقبلية بدقة متوازنة بلغت 0.73. وفي عالم التنبؤ، حيث يعطيك التخمين العشوائي عادةً حوالي 0.50، تعد هذه خطوة كبيرة للأمام. وهذا يعني أن النموذج أفضل بكثير من مجرد الصدفة في تحديد من هم في خطر. ومع ذلك، فإن الورقة البحثية واضحة جداً في أن هذا ليس كرة بلورية سحرية. فالنموذج لا يزال يرتكب الأخطاء؛ فقد فاته بعض الأشخاص الذين كانوا في خطر (سلبية كاذبة) وأحياناً صنف أشخاصاً ليسوا كذلك (إيجابية كاذبة). في الواقع، كان النموذج أفضل في العثور على الأشخاص الذين كانوا في خطر (بنسبة تقارب 71%) مما كان عليه في كونه متأكداً تماماً من كل شخص يضعه تحت المراقبة (فقط 10% من تنبيهاته كانت صحيحة بالفعل). ويرجع ذلك إلى أن البيانات غير متوازنة للغاية: فمن بين كل 100 مستخدم، هناك حوالي 4 فقط معرضون للخطر، لذا فمن السهل جداً أن تخطئ بالصدفة.

استخدم الباحثون أيضاً أداة خاصة تسمى SHAP لإلقاء نظرة داخل عقل الكمبيوتر ومعرفة لماذا اتخذ تنبؤاته. وجدوا أن النموذج لا يعتمد فقط على منشور واحد درامي وكبير؛ بل ينظر إلى مزيج كامل من التفاعلات، مثل لغز مكون من قطع صغيرة عديدة. على سبيل المثال، منشور عن كون المدرسة عبئاً كبيراً، مقترناً برد يسأل عن نصائح حول إيذاء النفس، خلق نمطاً أدركه النموذج كنمط خطير. أظهرت الدراسة أنه كلما زاد التاريخ الذي يمكن للنموذج قراءته (حتى حوالي 30 تفاعلاً)، أصبح أفضل، مما يشير إلى أن علامات التحذير موزعة عبر الزمن، وليست مجرد لحظة واحدة.

يؤكد المؤلفون بحذر أن هذه النتائج هي نتائج "توجيهية" وليست مشكلة تم حلها. ويجادلون بأنه بينما تعد أداتهم أفضل من الطرق القديمة، إلا أنها ليست جاهزة لتحل محل الأطباء أو المستشارين البشريين. إنهم يرون فيها "نظام إنذار مبكر" يمكن أن يساعد المشرفين البشريين في المنتديات على ملاحظة المستخدمين الذين قد يحتاجون إلى مساعدة في وقت مبكر. ومع ذلك، فقد حذروا أيضاً من المخاطر؛ فإذا قام النظام بتنبيه شخص ليس في خطر فعلياً، فقد يتسبب ذلك في ذعر غير ضروري أو ينتهك خصوصيته. وإذا فات شخص في خطر، فقد تكون العواقب مأساوية. وتخلص الورقة إلى أنه بينما تثبت التكنولوجيا أن التنبؤ بهذه المخاطر من خلال النصوص على وسائل التواصل الاجتماعي هو أمر ممكن، فإن التحدي الحقيقي الآن يكمكم في كيفية استخدام هذه الأداة بمسؤولية وأخلاق وفعالية في العالم الحقيقي، لضمان أنه عندما يدق الإنذار، يكون هناك بالفعل شخص ما ليقدم المساعدة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💬 cs.CL →