Computational Linguistics and Intelligent Learning for Automated Article Credibility Classification

في المشهد الرقمي الشاسع والصاخب للإنترنت، حيث تنتقل الأخبار بسرعة تفوق قدرة مدققي الحقائق على التحقق منها، أصبحت موثوقية المعلومات سلعة هشة. لعقود من الزمن، كانت الأخبار الموثوقة تأتي من مؤسسات راسخة تمتلك محررين ومعايير، ولكن صعود وسائل التواصل الاجتماعي سمح لأي شخص بنشر أي شيء، غالباً دون عواقب. وقد خلق هذا التحول أرضاً خصبة لانتشار المعلومات المغلوطة، مما يؤثر على الرأي العام، والأسواق، وحتى السلامة الشخصية. ولمكافحة ذلك، توجه الباحثون إلى الحواسيب، وعلموها كيفية قراءة وتحليل النصوص بهدف التمييز بين الحقيقة والتزييف. هذا المجال، المعروف باسم اللسانيات الحاسوبية، يستخدم الأنماط الرياضية لفهم اللغة، بينما يسمح التعلم الآلي للحواسيب بتحسين حكمها من خلال دراسة آلاف الأمثلة. إن التحدي هائل لأن القصص الكاذبة غالباً ما تُصاغ لتبدو وتُشعر وكأنها أخبار حقيقية تماماً، مما يجعل من الصعب على البشر اكتشافها، والأصعب على الآلات رصدها دون أدوات متطورة.

قام فريق من الباحثين من عدة جامعات في المملكة العربية السعودية بتطوير نظام جديد مصمم للتنقل عبر هذا التعقيد. أطلقوا على نهجهم اسم "إطار اللسانيات العميقة من الجيل التالي لتحديد مصداقية المقالات الذكي". وبدلاً من الاعتماد على طريقة واحدة للحكم على المقال، يعمل نظامهم كلوحة من الخبراء، حيث يجمع بين تقنيات مختلفة للوص𝓸 إلى استنتاج أكثر موثوقية. تبدأ العملية بتنظيف النص، وإزالة الفوضى الرقمية التي غالباً ما تصاحب المقالات عبر الإنترنت، مثل الرموز الغريبة، والمسافات الزائدة، والكلمات الشائعة التي لا تحمل الكثير من المعنى. وهذا يترك للحاسوب الرسالة الجوهرية للمقال، جاهزة للتحليل.

بمجرد تنظيف النص، يقوم النظام بترجمة الكلمات إلى تنسيق يمكن للحاسوب فهمه بعمق. فبدلاً من مجرد رؤية قائمة من الكلمات، يقوم النظام برسم خرائط لها بناءً على مدى تكرار ظهورها معاً في عالم اللغة الواسع، مما يلتقط العلاقات والمعاني الدقيقة فيما بينها. هذه الخطوة حاسمة لأنها تسمح للحاسوب باستيعاب سياق الجملة، وليس فقط الكلمات الفردية. بعد ذلك، يغذي الباحثون هذه المعلومات المعالجة في نوعين متميزين من نماذج الحاسوب المتقدمة؛ حيث يبحث أحد النماذج عن الأنماط والهياكل الخفية داخل النص، بينما يفحص الآخر كيفية اتصال قطع المعلومات المختلفة ببعضها البعض، تماماً مثل تتبع الروابط في شبكة معقدة. ومن خلال جعل هذين النموذجين يعملان معاً ويصوتان على الحكم النهائي، يقلل النظام من احتمال حد la الوقوع في الخطأ الذي قد يحدث إذا استُخدمت طريقة واحدة فقط.

ولضمان أن يكون النظام حاداً قدر الإمكان، قام الباحثون بضبط إعداداته الداخلية باستخدام عملية ضبط متخصصة. تشبه هذه الخطوة قيام الموسيقي بضبط آلة موسيقية قبل الأداء؛ فهي تضمن أن كل جزء من النظام يعمل في تناغم تام لإنتاج أفضل نتيجة ممكنة. اختبر الفريق إطار عملهم الجديد على مجموعة ضخمة تضم أكثر من 60,000 مقال إخباري باللغة العربية، والتي تم تصنيفها من قبل منصة تدقيق حقائق إلى: موثوق، أو غير موثوق، أو غير محدد. كانت النتائج مذهلة؛ فعندما تم اختبار النظام على جزء من البيانات التي لم يره من قبل، حدد مصداقية المقالات بدقة بلغت 98.33%. كما أظهر دقة وموثوقية عاليتين في قياساته الأخرى، متفوقاً باستمرار على الطرق الأخرى الموجودة التي تم اختبارها على نفس البيانات.

كما قارنت الدراسة نظامهم الجديد مع العديد من النهج الشائعة الأخرى، بما في ذلك النماذج القائمة على أدوات اللغة الكبيرة والطرق الإحصائية التقليدية. وفي هذه المقارنات، حقق الإطار الجديد باستمرار درجات أعلى في الدقة والسرعة، مع ارتكاب أخطاء أقل. أجرى الباحثون تحليلاً محدداً لمعرفة مدى مساهمة كل جزء من نظامهم في النجاح النهائي، ووجدوا أن إزالة أي مكون واحد، مثل تنظيف النص، أو رسم خرائط الكلمات، أو عملية الضبط الدقيق، تؤدي إلى انخفاض أداء النظام. وقد أكد هذا أن الجمع بين كل هذه العناصر كان ضرورياً لتحقيق مثل هذه المستويات العالية من الموثوقية.

في نهاية المطاف، يقدم هذا العمل أداة قوية للمعركة المستمرة ضد المعلومات المضللة. ومن خلال إثبات أن النهج المشترك باستخدام التعلم العميق وتحليل النص الدقيق يمكن أن يصنف بدقة كميات هائلة من المعلومات، قدم الباحثون مخططاً لتنفيذ عمليات تدقيق حقائق آلية أكثر موثوقية. وتشير نتائجهم إلى أنه مع الجمع الصحيح بين التقنيات، يمكن للحواسيب أن تصبح شركاء فعالين للغاية في مساعدة الناس على التمييز بين الأخبار الحقيقية والقصص الكاذبة، مما يوفر مساراً نحو مجتمع رقمي أكثر وعياً.