← أحدث الأبحاث
🔬 physics

Network Information Enhances Unreliable News Domain Detection

تُثبت هذه الورقة أن الاستفضاء من بنية الشبكة المستمدة من أنماط مشاركة روابط الـ URL عبر الشبكات العصبية الرسومية (Graph Neural Networks) يحسن بشكل كبير من اكتشاف نطاقات الأخبار غير الموثوقة، متفوقاً بذلك على النماذج المرجعية التي تعتمد على المحتوى فقط حتى في الحالات التي يكون فيها تحليل المحتوى غير ممكن.

المؤلفون الأصليون: Raphaela Keßler, Roman David Ventzke, Viola Priesemann, Giordano De Marzo

نُشر 2026-08-04
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Raphaela Keßler, Roman David Ventzke, Viola Priesemann, Giordano De Marzo

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 الإنترنت كأنه ساحة مدينة ضخمة وفوضوية حيث يصرخ الجميع بالأخبار والشائعات والقصص في آن واحد. في هذه الساحة، "محتوى" الرسالة هو ما يقولونه بالفعل—الكلمات، الصور، والفيديو. ولكن هناك طبقة أخرى للقصة: من يقف بجانب من، ومن يستمع إلى من. هذا هو "الشبكة". لفترة طويلة، حاول الخبراء رصد الأخبار المزيفة من خلال قراءة الكلمات وحدها، مثل معلم يصحح مقالاً إنشائياً. لكن مؤخراً، أصبح "الأشرار" في الساحة بارعين جداً في التظاهر بأنهم من الأخيار. إنهم يستخدمون كلمات منمقةة ويبدون تماماً مثل الصحفيين الحقيقيين، ومع صعود الذكاء الاصطناዊ الفائق، يمكنهم حتى كتابة قصص مزيفة مثالية يصعب كشفها. لذا، يطرح العلماء سؤالاً جديداً: بدلاً من مجرد قراءة الكلام، هل يمكننا معرفة من هو جدير بالثقة من خلال النظر إلى أصدقائه؟ إذا كان الشخص يتسكع دائماً مع مجموعة من الكاذبين المعروفين، فربما ينبغي لنا أن نشك فيه أيضاً، حتى لو بدا كلامه الحالي مثالياً. هذا هو جوهر علم الشبكات: الفكرة القائلة بأن علاقاتك تخبرك الكثير عمن تكون.

هذه الورقة البحثية تشبه قصة بوليسية تدور أحداثها في ركن محدد ومزدحم للغاية من ساحة المدينة تلك، ركن يُدعى "تيليجرام". أراد الباحثون، وهم فريق من جامعات في ألمانيا والنمسا وإيطاليا، معرفة ما إذا كان بإمكانهم استخدام "خريطة الصداقة" لمواقع الأخبار لكشف المصادر غير الموثوقة. لم يكتفوا بالنظر إلى المقالات فحسب؛ بل نظروا إلى كيفية مشاركة الناس لها. لقد بنوا خريطة عملاقة حيث يمثل كل موقع إخباري نقطة، وخط يصل بين نقطتين إذا كان الناس غالباً ما يتشاركون روابط من كلا الموقعين في نفس مجموعات الدردشة.

إليك المفاجأة الكبيرة التي وجدوها: النقاط ليست مختلطة بشكل عشوائي. فالمواقع "غير الموثوقة" (تلك التي تنشر أخباراً مزيفة أو منخفضة الجودة) تميل إلى التسكع مع مواقع غير موثوقة أخرى. أما المواقع "الموثوقة" (المصادر الإخبارية الجادة) فتتجمع مع بعضها البعض في مجموعتها الخاصة. الأمر يشبه كافيتيريا المدرسة الثانوية حيث تجلس "نادي العلوم" على طاولة واحدة، بينما يجلس "المشاغبون" على طاولة أخرى؛ فهم لا يختلطون عادةً. أطلق عليها الباحثون اسم "الخلط المتجانس"، ولكن يمكنك ببساطة التفكير فيها على أنها "الطيور على أشكالها تقع".

ولاختبار ما إذا كانت هذه الخريطة يمكن أن تساعد، استخدموا نوعاً خاصاً من العقل الحاسوبي يسمى "الشبكة العصبية الرسومية" (GNN). فكر في الـ GNN كشرطي لا يكتفي فقط بقراءة حجة المشتبه به (نص المقال) بل يتحقق أيضاً من دائرته الاجتماعية (الشبكة). لقد قارنوا هذا المحقق بمحقق أبسط (نموذج حاسوبي قياسي) يقرأ الحجة فقط ويتجاهل الأصدقاء. كانت النتائج واضحة: المحقق الذي نظر إلى الشبكة كان أفضل بك jauh في كشف التزييف.

والأمر الأكثر إثارة للاهتمام هو أن محقق الشبكة نجح بفعالية حتى عندما لم يتمكنوا من قراءة المقالات على الإطلاق. في بعض الأحيان، لا يمكنك رؤية النص (ربما لأنه بلغة لا تتحدثها، أو لأن المحتوى مخفي)، ولكن لا يزال بإمكانك رؤية من يشارك المحتوى مع من. في هذه الحالات، تفوق نموذج الشبكة على النموذج الذي يعتمد على النص فقط. وعندما امتلكوا كلاً من النص وخريطة الشبكة، حقق النموذج الأفضل (المسمى GraphSAGE) الإجابة الصحيحة بنسبة 63% من الوقت، وهي قفزة كبيرة عن دقة 55% للنموذج الذي تجاهل الشبكة. وحتى بدون النص، وباستخدام أنماط المشاركة فقط، ظل نموذج الشبكة يتفوق على نموذج النص فقط.

يؤكد المؤلفون بحذر أن هذا ليس حلاً سحرياً ينهي مشكلة الأخبار المزيفة للأبد. فهم يعترفون بأن خريطتهم خاصة بتيليجرام، وأن ليس كل مقال من موقع "سيء" هو مزيف، تماماً كما أن ليس كل شخص يجلس على طاولة المشاغبين هو مشاغب. ومع ذلك، فقد أثبتوا بقوة أن النظر إلى هيكل الشبكة يضيف أداة قوية جديدة في المعركة ضد المعلومات المضللة. وهذا يشير إلى أنه حتى عندما تكون الكلمات مثالية، فإن رفقة المصدر الإخباري يمكن أن تعطينا دليلاً قوياً حول ما إذا كان ينبغي لنا الوثوق بهم.

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 🔬 physics →