Approaches to Analysing Historical Newspapers Using LLMs
تجمع هذه الدراسة بين نمذجة المواضيع، وتحليل المشاعر القائم على النماذج اللغوية الكبيرة، وتصور الرسوم البيانية للكيانات لفحص كيفية تمثيل الهويات الجماعية والتوجهات السياسية في الصحف السلوفينية في أوائل القرن العشرين، مما يبرهن على قيمة دمج الأساليب الحسابية القابلة للتوسع مع تحليل الخطاب النقدي في أبحاث الإنسانيات الرقمية المتعلقة بالبيانات التاريخية غير المنتظمة.
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 أن لديك مكتبة ضخمة ومغبرة مليئة بآلاف الصحف السلوفينية القديمة من أواخر القرن التاسهد عشر وأوائل القرن العشرين. هذه الأوراق تشبه كبسولات الزمن، لكنها فوضوية: حبرها باهت، وورقها هش، والنصوص تم مسحها ضوئياً بواسطة آلات تخطئ أحياناً في قراءة الحروف (مثل تحويل حرف "m" إلى "rn").
قراءة كل مقال لفهم كيف شعر الناس تجاه جيرانهم، أو بلدهم، أو أعدائهم، قد يستغرق عمراً بشرياً كاملاً. وهنا يأتي دور هذه الدراسة. لقد عمل الباحثون كـ محققين رقميين استخدموا فريقاً من المساعدين الأذكياء جداً (يُطلق عليهم نماذج اللغات الكبيرة أو LLMs) لقراءة وتصنيف وتحليل هذه الصحف نيابة عنهم.
إليك كيف فعلوا ذلك، مقسماً إلى مفاهيم بسيطة:
1. الصحيفتان المتنافستان (الفريق مقابل الخصم)
ركز الباحثون على صحيفتين محددتين كانتا مثل فريقين رياضيين مختلفين بجمهور متعصب لكل منهما:
- Slovenec: فريق "المحافظين الكاثوليك". كانوا يحبون الكنيسة وكانوا مرتابين جداً من الأفكار الليبرالية والتأثير الألماني.
- Slovenski narod: فريق "الليبراليين التقدميين". كانوا مهتمين بالقومية والتعليم، وكانوا ينتقدون سلطة الكنيسة والسياسة الألمانية.
كان الهدف هو معرفة كيف تحدث هذان "الفريقان" عن نفس المجموعات من الناس (مثل الألمان، أو النمساويين، أو السلوفينيين أنفسهم) وما إذا كانوا لطيفين، أو سيئين، أو مجرد موضوعيين.
2. "متذوقو الطعم" من الذكاء الاصطناعي (تحليل المشاعر)
احتاج الباحثون لمعرفة: عندما ذكرت هذه الصحف "الألمان"، هل كانوا يصفونهم بالأصدقاء أم الأعداء؟
قاموا باختبار أربعة نماذج مختلفة من الذكاء الاصطناعي لمعرفة أي منها كان أفضل "متذوق للطعم". أعطوا الذكاء الاصطناعي جملة وسألوه: "هل هذا إيجابي، أم سلبي، أم محايد؟"
- الفائز: كان أحد النماذج، واسمه GaMS3، هو الأفضل في هذه المهمة.
- السمة الغريبة: ومع ذلك، كان للذكاء الاصطناعي سمة شخصية غريبة؛ فقد كان بارعاً جداً في رصد الحقائق "المحايدة" (مثل "وصل القطار"). لكنه كان خجولاً قلياً بشأن رصد المشاعر "الإيجابية" (فغالباً ما فاتته عبارات الإطراء) وكان مندفعاً جداً في رصد المشاعر "السلبية" (فأحياناً كان يظن أن جملة محايدة هي إهانة).
- الدرس المستفاد: تعلم الباحثون أنه بينما يعد الذكاء الاصطناعي أداة قوية، يجب عليك معرفة نقاط ضعفه. الأمر يشبه حارس أمن بارع في رصد الأشخاص الذين يبدون مريبين، لكنه قد يغفل عن لوحة ترحيب ودية.
3. خريطة "الشبكة الاجتماعية" (رسوم الكيانات البيانية)
بمجرد أن قرأ الذكاء الاصطناعي الصحف، لم يكتف الباحثون بمجرد النظر إلى قوائم الكلمات، بل بنوا خريطة شبكة اجتماعية ضخمة.
- العُقد (Nodes): تخيل نقاطاً على الخريطة تمثل أشخاصاً (ألمان، سلوفينيون)، وأماكن (فيينا، ليوبليانا)، ومواضيع (الدين، السياسة).
- الخطوط: ترتبط الخطوط بين النقاط إذا ظهرت معاً في نفس المقال.
- الحجم: كلما كانت النقطة أكبر، كان الحديث "عاطفياً" أكثر حول تلك المجموعة.
ما كشفته الخريطة:
- الألمان غالباً ما ارتبطوا بنقاط كبيرة وغاضبة (مشاعر سلبية) في كلتا الصفيحتين.
- السلوفينيون غالباً ما ارتبطوا بنقاط مختلطة (بعضها سعيد، وبعضها حزين).
- المجموعات الإقليمية (مثل "أهل الساحل") كانت غالباً مرتبطة بنقاط صغيرة وباهتة، مما يعني أنها ذُكرت كحقائق فقط دون الكثير من العاطفة.
4. التكبير: "القراءة المتأنية"
قام الذكاء الاصطناعي بالعمل الشاق ("القراءة البعيدة")، حيث قام بمسح ملايين الكلمات لإيجال الأنماط. ولكن بعد ذلك، قام الباحثون البشريون بعمل "تكبير" (Zoom in) على أجزاء محددة من الخريطة ("القراءة المتأنية") لفهم القصة وراء البيانات.
وجدوا أن الصحف استخدمت حِيلاً معينة لبناء شعور "نحن ضد هم":
- الآخرة (Othering): غالباً ما وصفوا الألمان بأنهم "العدو" أو "الغريب" لجعل السلوفينيين يشعرون بالوحدة.
- الأخوة: وصفوا الكروات بأنهم "إخوة" لبناء تحالفات.
- قصة "النحن": أكدوا على ضرية أن يدير السلوفينيون مدارسهم الخاصة ويتحدثوا لغتهم الخاصة في الأماكن العامة.
الخلاصة الكبرى
هذه الدراسة تشبه استخدام كاميرا قمر صناعي لرؤية الغابة بأكملها (تحليل الذكاء الاصطناعي لملايين المقالات) ثم إرسال متنزه إلى الغابة لفحص أشجار محددة (الباحثون البشر الذين يقرؤون النص الفعلي).
لماذا هذا مهم؟
يظهر لنا أننا نستطيع استخدام الذكاء الاصطناعي الحديث لفهم التاريخ، ولكن لا يمكننا الوثوق بالروبوت بشكل أعمى. نحن بحاجة لدمج سرعة الذكاء الاصطناعي مع الحكمة البشرية لفهم الواقع العاطفي الفوضوي للماضي. أخبرهم الذكاء الاصطناعي بماذا قيل، لكن البشر شرحوا لماذا كان ذلك مهماً.
باختصار: استخدموا روبوتاً ذكياً لقراءة صحف قديمة، واكتشفوا أن الروبوت جيد في رصد الحقائق ولكنه سيء في رصد المجاملات، ثم استخدموا تلك البيانات لرسم خريطة توضح كيف نظر الشعب السلوفيني في القرن العشرين إلى جيرانهم وإلى هويتهم الخاصة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.