ملخص تقني: DimStance: مجموعات بيانات متعددة اللغات لتحليل الموقف البعدي

بيان المشكلة

يُعد اكتشاف الموقف (Stance Detection) مهمة راسخة في مجال التصنيف، حيث تصنف موقف المؤلف تجاه هدف معين إلى تسميات فئوية منفصلة (مثل: مؤيد، معارض، محايد). ومع ذلك، فإن هذا النهج الفئوي يفشل في التقاط الحالات الوجدانية الدقيقة الكامنة وراء التعبير عن المواقف. فالمواقف نادراً ما تكون مجرد "مع" أو "ضد"؛ حتى التعبيرات التي تشترك في نفس التسمية الفئوية يمكن أن تختلف بشكل كبير في النبرة العاطفية وكثافتها. وتفتقر الموارد الحالية إلى التمثيلات البعدية الموضحة بشرياً، مما يحد من القدرة على تحليل أسباب تصلب الآراء أو التخفيف من حدة الاستقطاب في النقاشات المتعلقة بقضاست معقدة مثل تغير المناخ والسياسة. علاوة على ذلك، هناك ندرة في موارد الموقف للغات ذات الموارد المنخفضة.

المنهجية

يقدم المؤلفون DIMSTANCE، وهو أول مورد للمواقف البعدية مُوسم بدرجات مستمرة من التكافؤ (Valence) والاستثارة (Arousal) (VA). تشمل المنهجية بناء مجموعة البيانات، وصياغة المهمة، وتقييم النماذج.

بناء مجموعة البيانات

• النطاق: تضم مجموعة البيانات 11,746 جانباً مستهدفاً عبر 7,365 نصاً بخمس لغات: الإنجليزية، والألمانية، والصينية، والبيجين النيجيري، والسواحيلية.
• المجالات: تغطي البيانات السياسة وحماية البيئة.
• المصادر:
  • الإنجليزية: EZ-STANCE وReddit (حماية البيئة).
  • الألمانية: أرشيف Wahl-O-Mat (السياسة).
  • الصينية: منصة Threads (حماية البيئة).
  • البيجين النيجيري والسواحيلية: منصة X (السيطة).
• عملية التوسيم (Annotation):
  • تم استخراج جوانب الأهداف باستخدام النماذج اللغوية الكبيرة (LLMs) وتم التحقق منها عبر تصويت الأغلبية بخمسة متحدثين أصليين لكل لغة.
  • قام الموسمون بتقييم كل زوج (هدف-نص) على مقيليْن: التكافؤ (1 = سلبي للغاية إلى 9 = إيجابي للغاية) والاستثارة (1 = منخفض الاستثارة للغاية إلى 9 = مرتفع الاستثارة للغاية).
  • العلامات الذهبية النهائية هي متوسط تقييمات الموسمين الخمسة.
• ضبط الجودة: تم قياس الموثوقية باستخدام جذر متوسط مربع الخطأ (RMSE). وتشير النتائج إلى أن توسيم الاستثارة أقل موثوقية بشكل عام من توسيم التكافؤ، وهو ما يتوافق مع الدراسات السابقة.

صياغة المهمة

يقدم البحث انحدار الموقف البعدي (Dimensional Stance Regression)، وهي مهمة تتطلب من الأنظمة التنبؤ بدرجات VA المستمرة لجانب مستهدف معين داخل نص ما، بدلاً من اختيار فئة منفصلة.

الإعداد التجريبي

قيم المؤلفون ثلاث مجموعات من النماذج:

1. نماذج PLM المنحدرة (PLM Regressors): نماذج مسبقة التدريب متعددة اللغات (RemBERT, LaBSE, XLM-R) مع رأس انحدار، تم تحسينها عبر متوسط مربع الخطأ (MSE).
2. النماذج اللغوية المغلقة (التحفيز - Prompting): استخدام التحفيز صفري أو قليل المحاولات (Zero-shot/Few-shot) لنماذج مغلقة المصدر (GPT-5 mini, Gemini 2.5 Flash, Kimi K2) لتوليد درجات عددية.
3. نماذج LLM المنحدرة (الضبط الدقيق - Fine-tuning): نماذج لغوية كبيرة مفتوحة المصدر (Mistral-3, Phi-4, Llama-3.3, Qwen-2.5) تم تكييفها عبر تقنية 4-bit QLoRA مع رأس انحدار.

تم قيال الأداء باستخدام RMSE في فضاء VA، والذي يُحسب كالمسافة الإقليدية بين الأزواج المتوقعة والذهبية (V, A).

النتائج الرئيسية

تحليل مجموعة البيانات

• توزيع VA: عبر جميع اللغات، تظهر البيانات علاقة على شكل حرف U بين التكافؤ والاستثارة؛ حيث تميل الاستثارة إلى أن تكون في أدنى مستوياتها بالقرب من التكافؤ المحايد وتزدفر نحو كل من الأطراف السلبية والإيجابية.
• الاختلافات عبر اللغات:
  • الإنجليزية (حماية البيئة): توزيع تكافؤ متوازن؛ استثارة عالية مرتبطة بالمواقف الإيجابية والسلبية على حد سواء.
  • الألمانية (السياسة): منحازة نحو التكافؤ الإيجابي (69%)، مما يعكس على الأرجح المحتوى الذي تنتجه الأحزاب.
  • الصينية (حماية البيئة): توزيع متراص مع تعبيرات معتدلة؛ غالباً ما تتجمع الأهداف حول نطاق التكافؤ المتوسط.
  • البيجين النيجيري والسواحيلية (السياسة): يهيمن عليها التكافؤ السلبي (حوالي 63-64%) والاستثارة العالية، مما يعكس الطبيعة الجدلية للخطاب الانتخابي. تحتوي بيانات السواحيلية على عدد ملحوء من الأمثلة السامة وتظهر أعلى متوسط استثارة.

أداء النماذج

• النماذج اللغوية الضخمة المضبطة دقيقاً (Fine-tuned LLMs): تفوقت عموماً على كل من النماذج اللغوية المغلقة (التحفيز) ونماذج PLM المنحدرة، وخاصة النماذج الأكبر بمقياس 70 مليار معلمة.
• النماذج اللغوية المغلقة (التحفيز): حققت نتائج تنافسية، مما يجعلها بديلاً فعالاً من حيث كفاءة البيانات. ومع ذلك، أنتجت توزيعات VA "شبكية" (منفصلة) بسبب التوليد القائم على الرموز (Tokens)، مما جعلها تواجه صعوبة مع التوزيعات المتراصة (مثل الصينية).
• الأداء اللغوي:
  • الصينية: حققت باستمرار أفضل أداء عبر جميع النماذج، ويُعزى ذلك إلى توزيع VA المتمركز حول المنطقة المحايدة.
  • السواحيلية: أظهرت أدنى أداء، مما يسلط الضوء على التحديات في اللغات ذات الموارد المنخفضة.
  • البيجين النيجيري: كان أداؤه أفضل من السواحيلية، ربما بسبب خصائصه الشبيهة بالإنجليزية.
• حساسية التحفيز: كان أداء النماذج اللغوية المغلقة حساساً للغاية لصياغة التحفيز. أدى زيادة عدد الأمثلة في التحفيز (حتى 16 مثالاً) إلى تحسين الأداء بشكل عام، حيث أظهر نموذج Kimi K2 أقوى النتائج الإجمالية بين النماذج التي اعتمدت على التحفيز.

الأهمية والمساهمات

يدعي البحث المساهمات التالية:

1. أول مورد بعدي: تقديم DIMSTANCE، وهو أول مورد متعدد اللغات لتحليل الموقف مع درجات VA مستمرة موسومة بشرياً، يغطي اللغات ذات الموارد العالية والمنخفضة.
2. إطار عمل لمهمة جديدة: صياغة انحدار الموقف البعدي، الذي يدمج أطر العلوم الوجدانية في اكتشاف الموقف لتمكين التحليل الدقيق.
3. التقييم المرجعي (Benchmarking): توفير نتائج أساسية عبر نماذج PLM المنحدرة، والنماذج اللغوية المحفزة، ونماذج LLM المنحدرة عبر الضبط الدقيق، مما يضع أساساً للأبحاث المستقبلية.

يؤكد المؤلفون أن هذا المورد يوفر أساساً محورياً لتحليل الموقف متعدد اللغات والواعي بالعواطف. ومن خلال تجاوز التسميات الفئوية، يسهل العمل فهماً أعمق للحالات الوجدانية التي تحرك الرأي العام. ومع ذلك، يشير البحث بتواضع إلى القيود، بما في ذلك الصعوبة المتأصلة في توسيم الاستثارة، والاختلافات الثقافية المحتملة في تفسير VA، وخطر التحيز في مجموعات البيانات ذات توزيعات التكافؤ المنحازة (مثل البيجين النيجيري). كما يحظر المؤلفون بصرامة الاستخدام التجاري أو الحكومي للبيانات لمنع سوء الاستخدام المحتمل، مثل اضطهاد الأفراد بناءً على مواقفهم المستنتجة.