لماذا لا تنجح الأساليب التقليدية
أصبحت وسائل التواصل الاجتماعي المنصة الرئيسية للنقاشات السياسية. تعكس المنشورات والإعجابات وإعادة النشر كيف تتغير رؤى الناس للعالم، لكن من الصعب على الباحثين متابعة هذه العملية. العقبات الرئيسية معروفة منذ زمن طويل:
- الرسائل ذات الدلالة السياسية تغرق في تدفق المحتوى الترفيهي والشخصي.
- وضع العلامات اليدوي لتدريب الخوارزميات مكلف ويعاني من الذاتية.
- البيانات من المنصات المختلفة منظمة بشكل مختلف، لذا فإن النموذج المدرب على إحدى الشبكات الاجتماعية لا يعمل على أخرى.
- الأصعب هو التنبؤ بكيفية تغير آراء الشخص، فهي تتأثر بالأخبار والمحيط وسلوك المستخدمين الآخرين.
غالبًا ما تفشل أساليب التعلم الآلي التقليدية: فهي إما لا تجد الإشارات المطلوبة، أو تكتفي بتسجيل التفضيلات الحالية.
كيف يعمل TSN4PI
TSN4PI هو نظام جديد لتتبع تطور الآراء السياسية في وسائل التواصل الاجتماعي. تنقسم بنيته إلى جزأين، كل منهما يحل مهمة خاصة به.
التصفية الأيديولوجية
الوحدة الأولى (PIDN) مسؤولة عن فصل المحتوى السياسي عن غير ذي الصلة. تستخدم نماذج لغوية كبيرة وتقنيات نقل الأسلوب، مما يسمح بمعالجة البيانات المزعجة من مصادر مختلفة دون وضع علامات إضافية. ببساطة، تتعلم الوحدة فهم ما يدور حوله المنشور فعليًا، ولا تنشغل بالمنشورات الترفيهية.
التنبؤ بالتحولات
الوحدة الثانية (PIPN) تنظر إلى المستقبل. باستخدام الشبكات العصبية الرسومية الزمنية، تحلل علاقات المستخدم بالأشخاص والرسائل الأخرى وتقيّم في أي اتجاه ستميل موقفه: هل ستتعزز الأيديولوجية القائمة، أم ستضعف، أم ستتبدل تمامًا إلى النقيض.
ماذا أظهر الاختبار
جمع العلماء مجموعتين كبيرتين من البيانات تتعلقان بمنصتي X وTruth Social، وقدموهما لأغراض بحثية غير تجارية. أظهر الفحص أن TSN4PI ينجح في أداء المهام. لا يكتشف النظام آثار المعتقدات السياسية فحسب، بل يلاحظ أيضًا التغيرات التي تحدث بمرور الوقت.
من المثير للاهتمام بشكل خاص الاختلافات بين المنصات. على X وTruth Social، يظهر استقطاب الجمهور بشكل مختلف، ويتيح النموذج رؤية هذه الفروق الدقيقة. هذا تأكيد تجريبي على أن الآراء السياسية على الإنترنت ليست ثابتة: فهي تنجرف تحت تأثير البيئة المعلوماتية.
لماذا هذا مهم
القدرة على تتبع تطور الأيديولوجيات بدقة مهمة ليس فقط للبحوث النظرية. فهي تساعد في التنبؤ بالمزاج العام، وكشف المخططات التلاعبية، وجعل خوارزميات التوصية أكثر حيادية. بفضل مجموعات البيانات المفتوحة، ستتمكن فرق أخرى من اختبار أساليبها الخاصة على نفس البيانات، وبالتالي سيكون من الأسهل مقارنة النتائج.
النموذج ليس مثاليًا — السلوك السياسي للإنسان معقد جدًا بحيث لا يمكن اختزاله في معادلة واحدة. لكن هذا الإطار الموحد يحدد نقطة مرجعية يمكن الانطلاق منها في الأعمال المستقبلية. وقد قُبلت الدراسة بالفعل للنشر في مجلة ACM Transactions on Intelligent Systems and Technology المرموقة.
