تتحول منصات التواصل الاجتماعي أثناء الكوارث الطبيعية إلى مصدر حيوي للمعلومات الآنية، إذ ينشر شهود العيان والمتضررون رسائل عن الأضرار والضحايا لحظة بلحظة، ويمكن أن تساعد هذه الرسائل السلطات المحلية على تبسيط عمليات التدخل وتوزيع الموارد المتاحة توزيعًا أفضل، غير أن توسيم هذه الرسائل يدويًا يظل غير عملي في كثير من الأحيان بسبب ضيق الوقت وارتفاع التكلفة، وهو ما يجعل التصنيف الآلي ضرورة ملحة في إدارة الأزمات
وتُعد التغريدات المتعلقة بالكوارث مادة نصية قصيرة ومتنوعة وصاخبة لغويًا، كما أن فئاتها غير متوازنة في العادة، إذ تندر بعض أنواع الرسائل المهمة مقارنة بالرسائل العامة، وتسعى الدراسة الحالية إلى تجاوز هذه التحديات من خلال استكشاف التعلم شبه الخاضع للإشراف الذي يستفيد من البيانات الموسومة وغير الموسومة معًا، مع التركيز على التدريب المشترك بوصفه نهجًا أقل استكشافًا في السنوات الأخيرة رغم إمكاناته الواعدة
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تعزيز النماذج العصبية لتصنيف تغريدات الكوارث باستخدام التعلم شبه الخاضع للإشراف، وفحصت الدراسة نماذج حديثة في هذا المجال وركزت على التدريب المشترك الذي يعتمد على تدريب نموذجين أو أكثر يتبادلان التسميات الزائفة لتعزيز بعضهما بعضًا، ثم اقترحت الدراسة بنية هجينة جديدة للتدريب المشترك تُسمى التعلم متعدد الرؤوس بهامش شبهي متوسط
توسع البنية المقترحة مزايا آلية التصويت في التدريب المشترك متعدد الرؤوس من خلال استخدام درجة الهامش الشبهي المتوسط لتحسين جودة التسميات الزائفة، إلى جانب عتبات ثقة ذاتية التكيف لتحسين التصنيف غير المتوازن، واختُبرت البنية على عدة مهام تصنيف لتغريدات الكوارث، من بينها مهمة إنسانية ومهمة إخبارية، مع مقارنة أدائها في سيناريوهات بيانات قليلة وعند استخدام مجموعة البيانات الموسومة كاملة
ثانيًا: أبرز النتائج
1، حققت الطريقة المقترحة نتائج هي الأحدث على عدة مهام تصنيف، مما يؤكد تفوق البنية الهجينة الجديدة على النماذج السابقة في تصنيف تغريدات الكوارث
2، بلغ التحسن في الدقة حتى 7.98 في المئة في سيناريوهات البيانات القليلة، وهو تحسن ذو قيمة عملية كبيرة في سياقات الكوارث حيث يندر توافر البيانات الموسومة بسرعة
3، بلغ التحسن 2.84 في المئة عند استخدام مجموعة البيانات الموسومة كاملة، مما يدل على أن البنية تضيف قيمة حتى حين تتوافر بيانات موسومة وفيرة
4، وصلت الدقة إلى 89.55 في المئة في المهمة الإنسانية وإلى 91.23 في المئة في المهمة الإخبارية، وهما مستويان يعكسان قدرة عالية على تمييز الرسائل ذات الصلة الإنسانية والرسائل الإخبارية المفيدة
5، أتاحت الدراسة شفرتها البرمجية علنًا للأبحاث المستقبلية، مما يعزز إمكانية إعادة الاستخدام والتحقق والتطوير من قبل الباحثين والممارسين
ثالثًا: دلالات الدراسة وتطبيقاتها
تُظهر النتائج إمكانية كبيرة لتوظيف التصنيف الآلي في دعم فرق الاستجابة للكوارث، إذ يمكن للأنظمة المعتمدة على البنية المقترحة أن تفرز الرسائل الواردة بسرعة وتوجه الموارد إلى الاحتياجات الأكثر إلحاحًا، كما أن فاعلية الطريقة في سيناريوهات البيانات القليلة تجعلها مناسبة للكوارث الجديدة التي لا تتوافر لها بيانات موسومة سابقة، ويمكن نقل الفكرة إلى مجالات أخرى تتسم بندرة التسميات واختلال التوازن بين الفئات
وتتجاوز أهمية هذه البنية حدود تصنيف التغريدات إلى سؤال أعمق يتعلق بكيفية بناء أنظمة تتعلم من بيانات قليلة التسميات دون أن تفقد دقتها، إذ تعتمد المؤسسات في حالات الطوارئ على معلومات سريعة وموثوقة، ويعني أي تحسن في الدقة وصول المساعدات إلى مستحقيها على نحو أسرع وأدق، كما أن الجمع بين آلية التصويت ودرجة الهامش الشبهي المتوسط وعتبات الثقة الذاتية التكيف يمثل توجهًا منهجيًا يمكن أن يلهم أبحاثًا أخرى في التعلم شبه الخاضع للإشراف، ولا سيما في المهام التي تتسم باختلال التوازن بين الفئات وندرة التسميات في آن واحد، وهو ما يجعل الدراسة مساهمة تتجاوز تطبيقها المباشر إلى المنهجية ذاتها
وخلاصة القول، قدمت الدراسة بنية هجينة جديدة تحسن جودة التسميات الزائفة وتتكيف مع اختلال التوازن، وحققت تحسنًا ملموسًا في الدقة ولا سيما في ظروف البيانات القليلة، مما يجعلها خطوة عملية نحو تصنيف آلي موثوق لتغريدات الكوارث
