أصبحت المعلومات المضللة المنتشرة على منصات التواصل الاجتماعي من أخطر التحديات التي تواجه المجتمعات المعاصرة، إذ تتسلل الأخبار الزائفة إلى النقاش العام بسرعة تفوق قدرة المستخدمين على التحقق منها، وتزداد المشكلة تعقيدًا عندما تكون المعلومات متعددة الوسائط، أي عندما تجمع بين النص والصورة، لأن التحقق من صدق المحتوى يتطلب حينها فهم العلاقة بين الوسائط المختلفة، لا فحص كل وسيط على حدة، وهو ما يجعل مهمة الكشف الآلي أكثر صعوبة ودقة
وتواجه النماذج التقليدية لكشف المعلومات المزيفة عقبة جوهرية، تتمثل في أن الدمج البسيط للوسائط قد يُدخل قدرًا كبيرًا من الضجيج، بسبب اختلاف تمثيلات السمات بين الوسائط المختلفة، مما يؤثر سلبًا في دقة نتائج الكشف، ومن هنا تنبع الحاجة إلى نماذج أكثر تطورًا، قادرة على مواءمة الوسائط مع بعضها بعضًا والتفاعل بينها بعمق، قبل اتخاذ قرار بشأن صدق المحتوى، وهو ما تسعى الدراسة الحالية إلى تقديمه من خلال نموذج جديد
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى اقتراح نموذج جديد لكشف المعلومات المزيفة متعددة الوسائط، أُطلق عليه اسم كلاف، وهو اختصار للتعلم التبايني ودمج الوسائط التكيفي، ويقوم النموذج على ثلاث ركائز أساسية، أولاها استراتيجية تعلم تبايني مصممة لمواءمة وسيطي النص والصورة، مع الحفاظ على السمات الأساسية وتقليل الضجيج الزائد، وثانيتها وحدة دمج تكيفي للوسائط تيسّر التفاعل العميق والتكامل بين الوسائط، مما يعزز قدرة النموذج على معالجة المعلومات المعقدة متعددة الوسائط
أما الركيزة الثالثة فتتمثل في بناء مجموعة بيانات شاملة متعددة الوسائط، جُمعت من خلال الزحف الشبكي من مصادر إخبارية موثوقة ومنصات متعددة للتحقق من الحقائق، لتشكل أساسًا متينًا لتدريب النموذج والتحقق من أدائه، وقد صُممت مجموعة البيانات هذه لتغطي تنوعًا واسعًا من المحتوى المزيف والحقيقي، بما يضمن اختبارًا واقعيًا لقدرات النموذج
ثانيًا: أبرز النتائج
1. حقق نموذج كلاف تحسنًا في الدقة قدره 3.45 في المئة مقارنة بأفضل النماذج المرجعية أداءً، وهو تحسن ملموس في مجال يصعب فيه تحقيق مكاسب إضافية، ويشير إلى أن استراتيجية المواءمة التباينية والدمج التكيفي تضيف قيمة حقيقية فوق الأساليب التقليدية
2. أظهرت النتائج أن مواءمة النص والصورة من خلال التعلم التبايني تسهم في الحفاظ على السمات الجوهرية للمحتوى مع تقليل الضجيج الناتج عن اختلاف التمثيلات، مما ينعكس إيجابًا على قدرة النموذج على التمييز بين المحتوى الحقيقي والمزيف
3. بينت التجارب أن وحدة الدمج التكيفي للوسائط تعزز التفاعل العميق بين الوسائط، وتتيح للنموذج معالجة المعلومات المعقدة بمرونة أكبر من الدمج البسيط، وهو ما يفسر تفوق النموذج في الدقة والمتانة على النماذج المرجعية
4. أكدت النتائج أن بناء مجموعة بيانات شاملة من مصادر موثوقة ومنصات تحقق متعددة يوفر أساسًا صلبًا لتدريب النماذج والتحقق منها، ويعزز إمكانية تعميم النتائج على محتوى واقعي متنوع، بدلًا من الاقتصار على بيانات مصطنعة أو محدودة النطاق
ثالثًا: دلالات الدراسة وتطبيقاتها
تفتح الدراسة آفاقًا مهمة لتطوير أدوات كشف المعلومات المضللة على منصات التواصل الاجتماعي، إذ يمكن توظيف نموذج كلاف في أنظمة التحقق الآلي التي تساعد المنصات والمستخدمين على تمييز المحتوى المزيف قبل انتشاره الواسع، كما تقدم الدراسة إسهامًا منهجيًا يتمثل في إبراز أهمية المواءمة بين الوسائط قبل دمجها، بدلًا من الاكتفاء بالدمج المباشر الذي قد يضخّم الضجيج
ومن الناحية البحثية، تشير النتائج إلى أن الجمع بين التعلم التبايني والدمج التكيفي يمثل اتجاهًا واعدًا في معالجة المحتوى متعدد الوسائط، وأن الاستثمار في بناء مجموعات بيانات واقعية ومتنوعة يظل شرطًا أساسيًا لتقدم هذا المجال، ولا سيما مع تزايد تعقيد أساليب إنتاج المعلومات المضللة وتطورها المستمر
وخلاصة القول إن نموذج كلاف يمثل خطوة متقدمة في كشف المعلومات المزيفة متعددة الوسائط، إذ يجمع بين مواءمة دقيقة للوسائط ودمج تكيفي عميق، ويحقق تحسنًا ملموسًا في الدقة والمتانة مقارنة بالنماذج السابقة
