An Explainable Multimodal Framework for Adolescent Short Video Addiction Risk Prediction
تقترح هذه الدراسة إطار عمل متعدد الوسائط وقابل للتفسير يدمج بيانات سلوكية ونفسية متنوعة مع آلية انتباه مزدوجة وخوارزمية XGBoost للتنبؤ ديناميكياً بمخاطر إدمان الفيديوهات القصيرة لدى المراهقين وآثارها السلبية على النوم، والدراسة، والعواطف، والتكيف الاجتماعي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
في العصر الرقمي، تغيرت الطريقة التي يستهلك بها الشباب المعلومات بشكل جذري. فقد أصبحت الفيديوهات القصيرة، التي تتميز بمدتها الوجيزة وإيقاعها السريع، مصدراً أساسياً للترفيه والتواصل الاجتماعي للمراهقين. وبينما توفر هذه المنصات تفاعلاً فورياً، لطالما أعرب الباحثون عن قلقهم بشأن الخط الفاصل بين الاستمتاع الصحي والارتباط المرضي الضار. لقد اعتمدت الأساليب التقليدية لتحديد الإدمان بشكل كبير على سؤال المراهقين عن مقدار الوقت الذي يقضونه في المشاهدة أو جعلهم يملؤون استبيانات حول مشاعرهم. ومع ذلك، فإن هذه الحسابات القائمة على التقارير الذاتية غالباً ما تغفل الأنماط السلوكية المتغيرة والدقيقة التي تشير إلى تطور مشكلة ما. فهي تكافح لالتقاط الطبيعة الديناميكية للإدمان، حيث قد يبدأ المستخدم بمشاهدة غير ضارة ثم يفقد السيطرة تدريجياً، مما يؤثر على نومه، ودراسته، وسلامته العاطفية. ويتمثل التحدي الجوهري للعلماء في تجاوز مجرد حدود الوقت البسيطة وفهم الشبكة المعقدة من السلوكيات التي تحدد علاقة خطرة مع التكنولوجيا.
ولمعالجة ذلك، طور باحث تقوده "تشينغ بيان" في كلية قوانغتشو للتجارة طريقة جديدة لقياس والتنبؤ بخطر إدمان الفيديوهات القصيرة لدى المراهقين. فبدلاً من الاعتماد على رقم واحد مثل إجمالي ساعات المشاهدة، يقوم البحث ببناء صورة ديناميكية باستخدام مجموعة متنوعة من مصادر البيانات. جمعت الباحثة معلومات حول كيفية استخدام المراهقين لمنصات الفيديو القصيرة، وعدد مرات فتح هواتفهم، وجداول نومهم، وأدائهم الأكاديمي، وحالاتهم النفسية. ومن خلال نسج هذه الخيوط المختلفة من المعلومات معاً، أنشأت نظاماً لا ينظر فقط إلى ما يفعله الطالب، بل إلى كيفية تغير سلوكه بمرور الوقت ومدى تأثير ذلك على حياته اليومية.
إن جوهر هذا النهج الجديد هو نموذج حاسوبي صُمم ليعمل كمراقب شديد الانتباه. فهو لا يعامل جميع نقاط البيانات كمتساوية في الأهمية؛ بل يتعلم التركيز على سلوكيات وفترات زمنية محددة تشير إلى الخطر. على سبيل المثال، يدرك النظام أن مشاهدة الفيديوهات في وقت متأخر من الليل أو فتح تطبيق ما بشكل متكرر أثناء ساعات الدراسة يحمل وزناً أكبر من مجرد مشاهدة الكثير من المحتوى خلال وقت الفراغ. كما أنه يولي اهتماماً وثيقاً لإيقاع حياة المراهق، ملاحظاً ما إذا كان نمط السلوك يتصاعد على مدار أسبوع أو أسبوعين. ويسمح هذا التركيز المزدوج للنموذج بالتمييز بين طالب يستمتع ببساطة بهواية، وبين طالب بدأ استخدامه يعطل نومه أو درجاته أو استقراره العاطفي.
عندما اختبرت الباحثة هذا النظام، وجدت أنه أفضل بكثير في تحديد المراهقين المعرضين للخطر مقارنة بالطرق السابقة. فقد نجح النموذج في التنبؤ بمخاطر الإدمان بدقة عالية، حيث حدد بشكل صحيح الطلاب الذين كانوا ينزلقون نحو أنماط خطيرة قبل أن تصبح المشكلة شديدة. والأهم من ذلك، أن النظام لم يتوقف عند مجرد تصنيف الطالب كـ "معرض للخطر"، بل قدم شرحاً مفصلاً لسبب ذلك. فقد استطاع تحديد ما إذا كان الخطر الأساسي نابعاً من نقص النوم، أو تراجع التركيز الأكاديمي، أو الضيق العاطفي، أو صعوبات في التفاعلات الاجتماعية. وهذا المستوى من التفصيل أمر بالغ الأهمية لأنه يسمح للآباء والمعلمين والمتخصصين في الصحة النفسية بتصميم تدخلاتهم بشكل مخصص. فالطالب الذي تتمثل مشكلته الرئيسية في السهر لوقت متأخر يحتاج إلى نوع مختلف من المساعدة عما يحتاجه الطالب الذي يستخدم الفيديوهات للهروب من الضغط العاطفي.
كما استكشفت الدراسة كيف تؤثر الأطر الزمنية المختلفة على دقة هذه التنبؤات. واكتشفوا أن النظر في سلوك المراهق عبر نافذة مدتها سبعة أيام يوفر أفضل توازن. فالنافذة الأقصر قد تتفاعل بسرعة كبيرة مع يوم سيء واحد، بينما النافذة الأطول قد تفوت طفرة مفاجئة وخطيرة في السلوك الخطر. وقد تماشى فترة السبعة أيام جيداً مع الإيقاع الطبيعي لأسبوع الطالب، حيث التقط التأثير التراكمي للاستخدام الليلي وعادات عطلة نهاية الأسبوع دون فقدان الحساسية تجاه التغيرات السريعة.
ولعل الاكتشاف الأكثر أهمية هو أن النظام يعمل من خلال الجمع بين أنواع مختلفة من الأدلة. فعندما قامت الباحثة بإزالة أي قطعة منفردة من اللغز — مثل البيانات المتعلقة بأنماط النوم أو الحالات النفسية — انخفضت قدرة النموذج على التنبؤ بالمخاطر بشكل ملحوظ. وهذا يؤكد أن الإدمان ليس سلوكاً واحداً بل هو حالة معقدة تشمل أجزاء متعددة من حياة المراهق. ويعمل النظام بفعالية كجهاز مراقبة صحي شامل، حيث يدمج الآثار الرقمية مع النتائج الواقعية لإنشاء إشارة تحذير واضحة وقابلة للتفسير.
إن تداعيات هذا العمل تمتد إلى ما هو أبعد من مجرد المراقبة البسيطة. فمن خلال إنشاء ملف تعريف مخاطر شخصي لكل فرد، يوفر الإطار مساراً نحو الدعم المبكر والمستهدف. فبالنسبة للمراهق الذي تظهر عليه علامات خطر محتمل، قد يقترح النظام تذكيراً لطيفاً لإدارة وقت الشاشة قبل النوم. وبالنسبة لأولئك الذين يظهر عليهم خطر متوسط، يمكنه تنبيه المستشارين المدرسيين لتقديم الدعم العاطفي أو المساعدة الأكاديمية. وفي حالات الخطر العالي، فإنه يشير إلى الحاجة لجهد منسق بين الأسرة والمهنيين لمنع المزيد من الضرر. وتؤكد الباحثة أن الهدف ليس معاقبة أو تصنيف الطلاب، بل تقديم رؤى قابلة للتنفيذ تساعدهم على استعادة السيطرة على عاداتهم الرقمية.
يمثل هذا البحث تحولاً من التقييمات الثابتة التي تناسب الجميع إلى فهم ديناميكي قائم على البيانات لرفاهية المراهقين. وهو يوضح أنه من خلال الاستماع إلى القصة الكاملة التي ترويها السلوكيات الرقمية والجسدية للمراهق، يمكننا تحديد المشكلات في وقت مبكر والتدخل بشكل أكثر فعالية. لا يدعي النظام حل مشكلة الإدمان من تلقاء نفسه، لكنه يوفر أداة قوية لفهم آليات المشكلة. إنه يقدم وسيلة لرؤية الأنماط غير المرئية التي تؤدي إلى الضرر، محولاً البيانات الخام إلى دليل واضح لحماية الصحة العقلية للجيل القادم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.