تمهيد
أدى صعود وسائل التواصل الاجتماعي إلى تحسين التواصل بين الأفراد والمجتمعات، لكنه ضخم في الوقت ذاته انتشار خطاب الكراهية بما يحمله من مخاطر مجتمعية جسيمة، وما يزال الكشف الآلي عن هذا الخطاب صعبًا بفعل ذاتية مفهومه وتنوع اللغات وطبيعة التعبير الضمني الموارب، وقد ركزت البحوث السابقة في معظمها على اللغات عالية الموارد، تاركة التحديات متعددة اللغات للغتين العربية والأردية قليلة الاستكشاف رغم اتساع حضورهما الرقمي وخصوصيتهما اللغوية والثقافية التي تجعل نقل النماذج المدربة على لغات أخرى غير كافٍ وحده
ومن هذه الفجوة تنطلق الدراسة الحالية نحو معالجة شاملة تجمع بين بناء البيانات وتوثيق منهجيتها وتجريب طرق النمذجة، لتقدم موردًا ومنهجًا يمكن البناء عليهما في كشف خطاب الكراهية بالعربية والأردية معًا
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى معالجة تحديات كشف خطاب الكراهية متعدد اللغات في العربية والأردية عبر أربع إسهامات رئيسة، أولها إنشاء مجموعة بيانات فريدة متعددة اللغات موسومة يدويًا للتصنيف الثنائي ومتعدد الفئات أُخذت من منصة إكس وسميت يو إيه إتش إس دي 2025، وتضم أهم خمس فئات لخطاب الكراهية في التصنيف متعدد الفئات، وثانيها إعداد إرشادات توصيف مفصلة تضمن بناء مجموعة بيانات قوية وسليمة
وتمثل الإسهام الثالث في استكشاف استراتيجيتين لمعالجة البيانات متعددة اللغات، وهما النهج المشترك متعدد اللغات الذي يدرب نموذجًا موحدًا على التعامل مع اللغات معًا دون ترجمة، والنهج القائم على الترجمة الذي يحول النصوص كلها إلى لغة هدف واحدة قبل التصنيف، أما الإسهام الرابع فتوظيف 54 تجربة مختلفة شملت تعلمًا آليًا تقليديًا بتمثيل تي إف آي دي إف، وتعلمًا عميقًا بتضمينات كلمات متقدمة مدربة مسبقًا مثل فاست تكست وغلوف، ونماذج لغوية مدربة مسبقًا بتضمينات سياقية متقدمة
ثانيًا: أبرز النتائج
أظهر تحليل النتائج أن النموذج اللغوي إكس إل إم آر تفوق على مناهج التعلم الخاضع للإشراف التقليدية، محققًا دقة قدرها 0.99 في التصنيف الثنائي لمجموعات البيانات العربية والأردية والمشتركة متعددة اللغات، أما في التصنيف متعدد الفئات فحقق دقة 0.95 للمجموعة المشتركة متعددة اللغات، و0.94 للعربية، و0.94 للأردية
وتدل هذه النتائج على أن النماذج المحولية متعددة اللغات المدربة مسبقًا قادرة على التقاط الدلالات السياقية لخطاب الكراهية في لغتين متباينتين البنية ضمن إطار واحد، وأن جودة مجموعة البيانات وإرشادات التوصيف المنضبطة شرط تمكيني لهذا الأداء، فلا تنفصل دقة النموذج عن سلامة التوسيم اليدوي الذي بني عليه
ثالثًا: دلالات الدراسة وتطبيقاتها
توفر الدراسة لمنصات التواصل الاجتماعي والجهات التنظيمية والباحثين موردًا بياناتيًا موثقًا ونموذجًا عالي الأداء يمكن توظيفهما في رصد خطاب الكراهية العربي والأردي والحد من أضراره المجتمعية، وتثبت عمليًا أن النهج المشترك متعدد اللغات بديل قوي عن مسارات الترجمة الوسيطة التي قد تفقد النص خصوصيته الثقافية وتلميحاته الضمنية
كما تفتح مجموعة البيانات وإرشاداتها المجال لبحوث لاحقة توسع التغطية إلى لهجات وفئات جديدة، وتقارن أجيالًا أحدث من النماذج اللغوية، وتدرس انتقال الأداء بين المنصات المختلفة التي تتغير أنماط خطابها باستمرار
وتكمن صعوبة الكشف الآلي عن خطاب الكراهية في طبقات متراكبة، فالمفهوم ذاتي تتفاوت حدوده بين الأفراد والثقافات، والتعبير عنه كثيرًا ما يكون ضمنيًا يستعير السخرية والتلميح والرموز المحلية بدل التصريح، واللغتان العربية والأردية تحملان خصوصيات صرفية ودلالية ولهجية تجعل الأدوات المبنية للغات أخرى قاصرة عنهما، ولذلك كان بناء مورد بيانات موثوق من الصفر خطوة تأسيسية لا ترفًا منهجيًا، إذ لا يتجاوز النموذج جودة ما تعلم منه
وتضفي إرشادات التوصيف المفصلة التي أعدتها الدراسة قيمة مستدامة على مجموعة البيانات، فهي توثق معايير الحكم على النصوص وحدود الفئات الخمس وأمثلتها بما يقلل اختلاف القائمين بالتوسيم ويتيح لباحثين آخرين توسيع المجموعة أو إعادة استخدامها باتساق مع النسخة الأصلية، وهو ما يميز الموارد البياناتية الرصينة عن تجميعات النصوص العابرة التي يستحيل التحقق من منهجيتها لاحقًا
وخلاصة القول إن الدراسة قدمت منظومة متكاملة لكشف خطاب الكراهية في العربية والأردية، من مجموعة بيانات موسومة يدويًا بإرشادات مفصلة إلى مقارنة 54 تجربة نمذجة، انتهت إلى تفوق نموذج إكس إل إم آر بدقة 0.99 في التصنيف الثنائي ودقة تصل إلى 0.95 في التصنيف متعدد الفئات، بما يرسي أساسًا عمليًا لأدوات حماية رقمية تراعي خصوصية اللغتين
