← أحدث الأبحاث
💻 computer science

WhatsApp Vaccine Discourse (WhaVax): An Expert-Annotated Dataset and Benchmark for Health Misinformation Detection

تقدم هذه الورقة WhaVax، وهي مجموعة بيانات عالية الجودة وموسومة من قبل خبراء لرسائل واتساب المتعلقة باللقاحات من البرازيل، إلى جانب تحليل مفصل لأنماط المعلومات المضللة ومعيار تقييمي لاختبار نماذج لغوية مختلفة للكشف عن المعلومات الصحية المضللة في بيئات الاتصال المشفرة.

المؤلفون الأصليون: Jônatas H. dos Santos, Julio C. S. Reis, Philipe Melo, João F. H. Olivetti, Thales H. Silva, Matheus Gontijo Guimaraes, Glaucio de Souza, Marcos A. Gonçalves, Fabricio Benevenuto, Filipe B. B. Zanovel
نُشر 2026-05-14
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Jônatas H. dos Santos, Julio C. S. Reis, Philipe Melo, João F. H. Olivetti, Thales H. Silva, Matheus Gontijo Guimaraes, Glaucio de Souza, Marcos A. Gonçalves, Fabricio Benevenuto, Filipe B. B. Zanovello, Marco A. G. Rodrigues, Cristiano X. Lima

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 تطبيق واتساب كمكتبة ضخمة مشفرة حيث يهمس ملايين الأشخاص بأسرارهم لبعضهم البعض في غرف خاصة. ولأن الأبواب مغلقة (التشفير)، فمن الصعب جداً على أمناء المكتبات أو الباحثين رؤية ما يقال. تقدم هذه الورقة أداة جديدة تسمى WhaVax، وهي بمثابة مجموعة خاصة من "النظارات التجسسية" التي تسمح للباحثين بالتلصص داخل هذه الغرف لفهم كيفية انتشار القصص الصحية الزائفة، وتحديداً حول اللقاحات في البرازيل.

إليك تفصيل لما قام به الباحثون، باستخدام تشبيهات بسيطة:

1. بناء المجموعة (مجموعة البيانات)

لم يكتفِ الباحثون بالتخمين فيما يقوله الناس؛ بل بنوا مجموعة ضخمة ومنظمة من الرسائل الحقيقية.

  • المصدر: جمعوا أكثر من 80,000 رسالة من مجموعات واتساب عامة وكبيرة في البرازيل على مدار عدة سنوات (2020-2023). تخيل هذا كجمع آلاف الصفحات من الملاحظات المكتوبة بخط اليد من ساحة مدينة مزدحمة.
  • التنقية: قبل دراستها، كان عليهم تنظيف البيانات. استخدموا "مرشحاً دلالياً" (مثل مكنسة كهربائية ذكية) لإزالة الملاحظات المكررة والاحتفاظ فقط بالرسائل التي تتحدث فعلياً عن اللقاحات.
  • الخبراء: هذا هو الجزء الأهم. بدلاً من ترك الكمبيوتر يخمن، استعانوا بـ أربعة أطباء لقراءة وتصنيف الرسائل. لقد عملوا كـ "لجنة حكام" تقرر أي القصص كانت حقيقية وأيها كانت كاذبة.
    • النتيجة: أنشأوا قائمة "المعيار الذهبي" المكونة من 950 رسالة. تم تصنيف حوالي 30% منها كمعلومات مضللة (كاذبة)، و70% كمعلومات آمنة. وقد اتفق الأطباء مع بعضهم البعض في معظم الأحيان، مما جعل هذا المرجع كتاباً موثوقاً للغاية.

2. كيف تبدو الأكاذيب (التحليل)

نظر الباحثون بدقة في الرسائل "الكاذبة" ليروا كيف تختلف عن الرسائل "الحقيقية". وقد وجدوا بعض الأنماط المثيرة للاهتمام:

  • خدعة "القصة الطويلة": كانت رسائل المعلومات المضللة أطول بشكل ملحوظ. كانت تشبه الخطابات الطويلة والمطولة المصممة لإغراقك بالتفاصيل، مما يجعل الكذبة تبدو أكثر إقناعاً.
  • عامل "الصراخ": استخدمت الرسائل الكاذبة علامات تعجب (!) وعلامات استفهام (؟) بكثرة أكبر بكثير. لقد كُتبت بانفعال عالٍ، كأن شخصاً يصرخ لجذب انتباهك.
  • إنذار "الحروف الكبيرة": استخدموا الحروف الكبيرة (Capital Letters) بكثرة أكبر، كما لو كان الكاتب يصرخ بالنص لجعله يبدو عاجلاً.
  • قنبلة الإيموجي: احتوت الرسائل الكاذبة على إيموجي (رموز تعبيرية) أكثر بـأربعة أضعاف من الرسائل الحقيقية، مستخدمة صوراً ملونة لتحفيز ردود الفعل العاطفية بدلاً من التفكير المنطقي.
  • "غرف الصدى": وجدوا أن المعلومات المضللة لم تكن تنتشر بشكل متساوٍ. كانت بعض المجموعات المحددة مثل "غرف الصدى" حيث كانت كل رسالة تقريباً كاذبة، بينما كانت مجموعات أخرى آمنة في الغالب.

3. تعليم الحواسيب كشف الأكاذيب (التجارب)

حاول الباحثون تعليم أنواع مختلفة من "الأدمغة الحاسوبية" لكشف هذه الأكاذب تلقائياً. اختبروا ثلاثة أنواع من "الطلاب":

  • الطلاب القدامى (النماذج الكلاسيكية): وهي برامج تقليدية تعتمد على الرياضيات. عندما يتم تغذيتها بـ "أوصاف" عالية الجودة للنصوص (embeddings)، أدت عملاً جيداً، حيث وصلت دقتها إلى حوالي 79%.
  • الطلاب المتخصصون (نماذج اللغة الصغيرة): هذه نماذج ذكاء اصطنا-عي صغيرة مدربة على نصوص طبية. واجهت صعوبة قليلاً لأن رسائل واتساب كانت مليئة بالعامية، والأخطاء الإملائية، واللغة غير الرسمية التي لا تتطابق مع تدريبها.
  • الطلاب الخارقون (نماذج اللغة الكبيرة): هذه هي نماذج الذكاء الاصطنا العملاقة والحديثة (مثل تلك التي قد تدردش معها). لم يحتج الباحثون حتى لـ "تعليمهم" باستخدام مجموعة البيانات؛ بل اكتفوا بإعطائهم بضعة أمثلة (تقنية تسمى "التعلم من أمثلة قليلة" أو few-shot learning).
    • الفائز: قدمت نماذج الذكاء الاصطناعي الأكبر والأكثر تقدماً (مثل GPT-5) الأداء الأفضل، حيث طابقت دقة أفضل النماذج التقليدية دون الحاجة إلى تدريب إضافي. وكانت بارعة بشكل خاص في كشف الأكاذيب، رغم أنها كانت أحياناً تطلق "إنذارات كاذبة" (false positives) بشكل مفرط.

4. الأجزاء الصعبة (القيود)

تعترف الورقة بأن هذا ليس حلاً مثالياً بعد:

  • المنطقة الرمادية: حوالي 9% من الرسائل كانت مربكة لدرجة أن الأطباء الأربعة أنفسهم لم يستطيعوا الاتفاق على ما إذا كانت أكاذيب أم لا. وهذا يوضح أن كشف المعلومات الطبية المضللة أمر صعب لأن اللغة معقدة ومليئة بالفروق الدقيقة.
  • العينة: جاءت البيانات من مجموعات عامة في البرازيل. الأمر يشبه دراسة حي معين؛ يخبرنا الكثير عن ذلك الحي، لكن لا يمكننا التأكد بنسبة 100% أنها تمثل كل مجموعات واتساب في العالم.
  • ارتباك "الصراخ": ارتبكت الحواسيب أحياناً بسبب الهجمات السياسية الغاضبة التي لم تكن تقنياً أكاذيب طبية ولكنها بدت كذلك. لقد واجهت صعوبة في التمييز بين "خطاب الكراهية" و"المعلومات الطبية المضللة".

الملخص

باختصار، تقول هذه الورقة: "لقد بنينا مكتبة عالية الجودة وموثقة طبياً لأكاذيب اللقاحات من واتساب. وجدنا أن الأكاذب أطول، وأعلى صوتاً، وأكثر عاطفية من الحقيقة. وبينما يمكن للحواسيب القديمة كشفها، فإن نماذج الذكاء الاصطناي الحديثة والعملاقة بارعة بشكل مفاجئ في القيام بذلك دون الحاجة إلى تعليمها، ببساطة عبر قراءة بضعة أمثلة."

هذا يمنح الباحثين أداة جديدة وموثوقة لدراسة كيفية انتشار الشائعات الصحية في الدردشات الخاصة، وهو مكان كان من الصعب جداً دراسته حتى الآن.

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 →