تمثل الدارجة المغربية، وهي لهجة من لهجات العربية، تحديات فريدة أمام معالجة اللغة الطبيعية، بسبب غياب إملاء موحد لها وكثرة التناوب بين اللغات في الاستخدام اليومي ووضعها لغة منخفضة الموارد، وتزداد أهمية مواجهة هذه التحديات مع اتساع حضور الدارجة في منصات التواصل الاجتماعي وما يرافق ذلك من انتشار للغة المسيئة التي تستدعي أدوات كشف آلي دقيقة وعادلة، غير أن الحكم على جودة هذه الأدوات بمقاييس الدقة التقليدية وحدها قد يخفي نقاط ضعف خطيرة في متانتها وعدالتها عند التعرض لمدخلات مغايرة أو متحيزة، وهو ما عالجته هذه الدراسة بتقديم بيانات جديدة ونموذج متخصص وتقييم يتجاوز الدقة إلى المتانة والعدالة
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير كشف اللغة المسيئة في الدارجة المغربية ومعالجة تعقيداتها اللغوية، وقدمت ثلاث إسهامات رئيسة تقدم المجال، أولها تقديم مجموعة بيانات موسومة بشريًا من نصوص الدارجة جُمعت من منصات التواصل الاجتماعي، وثانيها استكشاف نماذج لغوية متعددة وضبطها الدقيق على مجموعة البيانات المنشأة، مما حدد نموذجًا قائمًا على روبرتا خاصًا بالدارجة بوصفه النهج الأكثر فاعلية، وثالثها تقييم أفضل نموذج بما يتجاوز الدقة، عبر فحص خصائص مثل الصحة والمتانة والعدالة باستخدام الاختبار التحولي والهجمات العدائية، وقد أتاح هذا التصميم الثلاثي بناء مورد لغوي جديد واختيار نموذج أمثل ثم مساءلة أدائه في ظروف تحاكي محاولات التحايل والتحيز الواقعية
ثانيًا: أبرز النتائج
حقق النموذج القائم على روبرتا للدارجة دقة بلغت 90 في المئة ودرجة ف1 بلغت 85 في المئة، متفوقًا على النماذج الأخرى المدروسة، غير أن تقييم المتانة كشف عن ثغرات محتملة، إذ كان النموذج عرضة لهجمات مثل إدراج النقاط بنسبة نجاح بلغت 29.4 في المئة، وإدراج المسافات بنسبة 24.5 في المئة، وتعديل الحروف في الكلمات بنسبة 18.3 في المئة، وأظهرت تقييمات العدالة أن النموذج عادل بصورة عامة لكنه ما يزال يبدي تحيزًا في حالات محددة، بنسبة نجاح بلغت 7 في المئة للهجمات التي تستهدف الكيانات المعرضة عادة للتمييز، وتتمثل النتيجة الجوهرية في أن الاعتماد على المقاييس غير المتصلة وحدها مثل درجة ف1 والدقة في تقييم أنظمة التعلم الآلي غير كاف للحكم على جاهزيتها الفعلية
ثالثًا: دلالات الدراسة وتطبيقاتها
توصي الدراسة، فيما يتصل باللغات منخفضة الموارد، بالتركيز على تحديد التحيزات الخاصة بالمجال ومعالجتها، وعلى تعزيز النماذج اللغوية أحادية اللغة المدربة مسبقًا ببيانات أكثر تنوعًا وضجيجًا لتحسين متانتها وقدراتها على التعميم في سياقات لغوية متنوعة، وتفيد هذه النتائج مطوري أنظمة الإشراف على المحتوى في منصات التواصل الاجتماعي، إذ تنبههم إلى أن المهاجمين قد يتحايلون على الكشف بتعديلات شكلية بسيطة في النصوص، كما تفيد الباحثين في اللغات منخفضة الموارد بمنهجية تقييم أشمل تجمع بين الدقة والمتانة والعدالة، وبمورد بيانات موسوم يصلح أساسًا لدراسات لاحقة في الدارجة المغربية وغيرها من اللهجات العربية
وتزداد أهمية هذه النتائج بالنظر إلى طبيعة الدارجة المغربية ذاتها، فغياب الإملاء الموحد يجعل التلاعب الشكلي بالحروف والمسافات والنقاط سلوكًا كتابيًا شائعًا أصلًا في الاستخدام اليومي، لا مجرد حيلة هجومية مصطنعة، مما يعني أن هشاشة النموذج أمام هذه التعديلات تمثل قصورًا عمليًا مباشرًا عند نشره على منصات التواصل الاجتماعي حيث كُتبت البيانات الأصلية، كما أن رصد التحيز ضد كيانات معرضة للتمييز يكتسب حساسية مضاعفة في سياق كشف اللغة المسيئة، إذ إن الخطأ هنا قد يترك إساءات حقيقية تمر دون رصد أو يوسم تعبيرات بريئة بوصم الإساءة، ويدعم ذلك توجهًا بحثيًا متناميًا نحو تقييم النماذج بمعايير تقنية واجتماعية متزامنة، كما تقدم مجموعة البيانات المنشأة في هذه الدراسة موردًا تأسيسيًا لأبحاث معالجة اللهجات العربية منخفضة الموارد، إذ يتيح توفر بيانات موسومة بشريًا من الاستخدام الفعلي على منصات التواصل تدريب نماذج لاحقة واختبارها على أسس مشتركة قابلة للمقارنة، وهو ما كان متعذرًا في غياب مثل هذه الموارد الموثقة
وخلاصة القول إن الدراسة تقدم إسهامًا مزدوجًا في معالجة الدارجة المغربية، بيانات موسومة جديدة ونموذج كشف للغة المسيئة بدقة عالية، لكنها تؤكد في الوقت ذاته أن الدقة المرتفعة لا تعني الجاهزية، إذ كشف اختبار المتانة والعدالة عن قابلية للتحايل وعن تحيزات متبقية تستدعي بيانات أكثر تنوعًا وتقييمًا أشمل قبل نشر مثل هذه الأنظمة في بيئات حقيقية
