সোশ্যাল মিডিয়ায় কীভাবে রাজনৈতিক মতামত পরিবর্তিত হয়: নতুন মডেল TSN4PI উপস্থাপিত
নতুন TSN4PI ফ্রেমওয়ার্ক বড় ভাষার মডেল এবং টেম্পোরাল গ্রাফ নিউরাল নেটওয়ার্ককে একত্রিত করে ব্যবহারকারীদের রাজনৈতিক মতামত শনাক্ত করতে এবং তাদের পরিবর্তন পূর্বাভাস দিতে। লেখকরা দুটি বড় ডেটাসেটও প্রকাশ করেছেন এবং X ও Truth Social-এর ডেটাতে পদ্ধতিটি যাচাই করেছেন।

কেন ঐতিহ্যবাহী পদ্ধতিগুলো কাজ করতে ব্যর্থ হয়
সোশ্যাল মিডিয়া রাজনৈতিক আলোচনার প্রধান প্ল্যাটফর্ম হয়ে উঠেছে। পোস্ট, লাইক এবং রিপোস্ট প্রতিফলিত করে কীভাবে মানুষের বিশ্বদৃষ্টি পরিবর্তিত হচ্ছে, কিন্তু গবেষকদের পক্ষে এই প্রক্রিয়ার উপর নজর রাখা কঠিন। প্রধান বাধাগুলো দীর্ঘদিন ধরেই পরিচিত:
- রাজনৈতিকভাবে গুরুত্বপূর্ণ বার্তাগুলো বিনোদনমূলক এবং ব্যক্তিগত কনটেন্টের স্রোতে ডুবে যায়।
- অ্যালগরিদম প্রশিক্ষণের জন্য ম্যানুয়াল লেবেলিং ব্যয়বহুল এবং বিষয়গততার শিকার হয়।
- বিভিন্ন প্ল্যাটফর্মের ডেটা ভিন্নভাবে গঠন করা হয়, তাই একটি সোশ্যাল নেটওয়ার্কে প্রশিক্ষিত মডেল অন্য নেটওয়ার্কে কাজ করে না।
- সবচেয়ে কঠিন হলো ভবিষ্যদ্বাণী করা যে একজন ব্যক্তির দৃষ্টিভঙ্গি কীভাবে পরিবর্তিত হবে, কারণ সংবাদ, পরিবেশ এবং অন্যান্য ব্যবহারকারীদের আচরণ এর উপর প্রভাব ফেলে।
ঐতিহ্যবাহী মেশিন লার্নিং পদ্ধতিগুলো প্রায়শই ব্যর্থ হয়: তারা হয় প্রয়োজনীয় সংকেত খুঁজে পায় না, অথবা বর্তমান পছন্দগুলোর বিবৃতি দেওয়ার মধ্যে সীমাবদ্ধ থাকে।
TSN4PI কীভাবে কাজ করে
TSN4PI হলো সোশ্যাল মিডিয়ায় রাজনৈতিক দৃষ্টিভঙ্গির বিবর্তন ট্র্যাক করার একটি নতুন সিস্টেম। এর আর্কিটেকচার দুটি অংশে বিভক্ত, যার প্রতিটি নিজস্ব কাজ সমাধান করে।
আদর্শিক ফিল্টারিং
প্রথম মডিউল (PIDN) রাজনৈতিক কনটেন্টকে অপ্রাসঙ্গিক কনটেন্ট থেকে আলাদা করার জন্য দায়ী। এটি বড় ভাষার মডেল এবং স্টাইল ট্রান্সফার কৌশল ব্যবহার করে, যা অতিরিক্ত লেবেলিং ছাড়াই বিভিন্ন উৎস থেকে শোরগোলপূর্ণ ডেটা প্রক্রিয়া করতে সক্ষম করে। সহজভাবে বললে, মডিউলটি শেখে যে পোস্টটি আসলে কী সম্পর্কে, এবং বিনোদনমূলক পোস্টগুলোর দিকে মনোযোগ না দেওয়া।
পরিবর্তনের পূর্বাভাস
দ্বিতীয় মডিউল (PIPN) ভবিষ্যতের দিকে তাকায়। টেম্পোরাল গ্রাফ নিউরাল নেটওয়ার্ক ব্যবহার করে, এটি অন্যান্য ব্যক্তি এবং বার্তাগুলির সাথে ব্যবহারকারীর সংযোগ বিশ্লেষণ করে এবং তার অবস্থান কোন দিকে সরে যাবে তা মূল্যায়ন করে: বিদ্যমান আদর্শ শক্তিশালী হবে, দুর্বল হবে, বা সম্পূর্ণ বিপরীতে পরিবর্তিত হবে।

পরীক্ষা কী দেখিয়েছে
বিজ্ঞানীরা X এবং Truth Social প্ল্যাটফর্ম সম্পর্কিত দুটি বড় ডেটাসেট সংগ্রহ করেছেন এবং সেগুলো অ-বাণিজ্যিক গবেষণার জন্য প্রদান করেছেন। পরীক্ষা দেখিয়েছে যে TSN4PI সফলভাবে কাজগুলো সম্পন্ন করে। সিস্টেমটি কেবল রাজনৈতিক বিশ্বাসের চিহ্ন খুঁজে পায় না, বরং সময়ের সাথে ঘটে যাওয়া পরিবর্তনগুলোও লক্ষ্য করে।
প্ল্যাটফর্মগুলোর মধ্যে পার্থক্যগুলো বিশেষ আগ্রহের বিষয়। X এবং Truth Social-এ শ্রোতাদের মেরুকরণ ভিন্নভাবে প্রকাশ পায়, এবং মডেলটি এই সূক্ষ্মতাগুলো দেখতে সক্ষম করে। এটি একটি অভিজ্ঞতামূলক প্রমাণ যে ইন্টারনেটে রাজনৈতিক দৃষ্টিভঙ্গি স্থির নয়: তারা তথ্য পরিবেশের প্রভাবে প্রবাহিত হয়।

কেন এটি প্রয়োজনীয়
আদর্শের বিবর্তন সঠিকভাবে ট্র্যাক করার ক্ষমতা কেবল তাত্ত্বিক গবেষণার জন্যই গুরুত্বপূর্ণ নয়। এটি জনমতের পূর্বাভাস দিতে, ম্যানিপুলেটিভ কৌশল শনাক্ত করতে এবং রিকমেন্ডেশন অ্যালগরিদমকে আরও নিরপেক্ষ করতে সহায়তা করে। উন্মুক্ত ডেটাসেটের কারণে অন্যান্য দল একই ডেটাতে নিজস্ব পদ্ধতি পরীক্ষা করতে পারবে, ফলে ফলাফল তুলনা করা সহজ হবে।
মডেলটি নিখুঁত নয় — মানুষের রাজনৈতিক আচরণ একটি সূত্রে ফিট করার মতো খুবই জটিল। কিন্তু এই ধরনের একটি ইউনিফাইড ফ্রেমওয়ার্ক একটি রেফারেন্স পয়েন্ট নির্ধারণ করে, যা থেকে পরবর্তী কাজগুলোতে এগিয়ে যাওয়া যায়। গবেষণাটি ইতিমধ্যে ACM Transactions on Intelligent Systems and Technology জার্নালে প্রকাশের জন্য গৃহীত হয়েছে।
সাধারণ প্রশ্নোত্তর
বিভিন্ন উপাদান
সব উপাদান
OpenCollab: এজেন্টদের প্রোগ্রামযোগ্য সমন্বয়, নিয়ন্ত্রিত রানটাইম পরিবেশ এবং প্রোটোকল মেনে চলার মেট্রিক
ফ্রেমওয়ার্কটি এজেন্টদের পারস্পরিক ক্রিয়াকলাপের কাঠামো নির্ধারণ, পরীক্ষার জন্য একটি অভিন্ন পরিবেশ এবং ইভেন্টের বিস্তারিত ট্রেসিংকে একত্র করে; নতুন প্রবর্তিত Adherence মেট্রিকটি দেখায়, বাস্তব সম্পাদন ঘোষিত কাঠামোর সঙ্গে কতটা সামঞ্জস্যপূর্ণ। বেঞ্চমার্কে Duo কনফিগারেশন নতুন SOTA অর্জন করে, অন্যদিকে একক-এজেন্ট সংস্করণে টোকেন খরচ সবচেয়ে কম।
11 নভেম্বর 2026
Toollery: ফাইন-টিউনিং ছাড়াই কয়েক দশ হাজার বিকল্প থেকে LLM এজেন্টের জন্য টুল নির্বাচন
Toollery দক্ষতা ও টুলের বিবরণের ওপর ভিত্তি করে একটি সার্চ ইনডেক্স তৈরি করে এবং অনুরোধের সময় মডেলকে কেবল সীমিতসংখ্যক সম্ভাব্য প্রার্থী দেয়। কয়েক দশ হাজার ফাংশন পর্যন্ত বিস্তৃত লাইব্রেরিতে চালানো পরীক্ষায় দেখা গেছে, নির্দিষ্ট top-K বজায় রেখেও এই পদ্ধতি বাছাইয়ের মান ধরে রাখতে পারে, যদিও চূড়ান্ত ফল নির্ভর করে ব্যবহারের ধরন এবং প্রোভাইডারের ক্যাশিংয়ের ওপর।
11 নভেম্বর 2026
ড্যাশবোর্ড বিশ্লেষণে GUI এজেন্টদের ধাপে ধাপে ডায়াগনস্টিকস: DashAct বেঞ্চমার্ক
DashAct উপস্থাপন করা হলো—মানুষের দ্বারা যাচাই করা ৩৪৮টি ট্র্যাজেক্টরির একটি বেঞ্চমার্ক, যা ইন্টারঅ্যাকটিভ প্যানেলে GUI এজেন্টদের কাজকে তিনটি ধাপ ও চারটি ভিজ্যুয়াল পরিস্থিতিতে বিশ্লেষণ করে। ফলাফলগুলোতে অ্যাকশন পূর্বাভাস এবং ভিজ্যুয়াল লক্ষ্য শনাক্তকরণে ধারাবাহিক সমস্যা, পাশাপাশি প্রাসঙ্গিক ও স্থানিক সহায়তার ওপর এজেন্টদের প্রতিক্রিয়ার নির্ভরতা দেখা যায়।
11 নভেম্বর 2026