تحتل منصات التواصل الاجتماعي موقعًا مركزيًا في التواصل المعاصر، إذ تتيح تبادل الأخبار والمشاعر والأفكار على نطاق واسع، غير أنها تفتح في الوقت نفسه بابًا لانتشار المحتوى الضار واللغة المسيئة، ويستحيل عمليًا أن تراجع هذه المنصات يدويًا لضخامة ما ينشر فيها كل لحظة، وقد تطورت أدوات الإشراف الآلي على المحتوى تطورًا كبيرًا لكنها صممت في معظمها للغة الإنجليزية، فلا تكفي لمعالجة اللغة المسيئة بالعربية الغنية باللهجات والمستخدمة بصورة غير رسمية على هذه المنصات، ومن هذا المنطلق تقدم الدراسة مجموعة بيانات متخصصة باللهجة السعودية لبناء أنظمة أدق في رصد اللغة المسيئة وتصنيفها وحماية المستخدمين من آثارها
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى بناء مجموعة بيانات لهجية متخصصة لرصد اللغة المسيئة بالعربية السعودية وتقييم قدرة النماذج الحاسوبية على تصنيفها، ولتحقيق ذلك جمع الباحثون أكثر من 24000 تغريدة ووسموها على ثلاثة مستويات متدرجة، ففي المستوى الأول تصنف التغريدة مسيئة أو غير مسيئة، وفي المستوى الثاني تقسم التغريدات المسيئة إلى إساءات عامة وخطاب كراهية وسخرية، وفي مستوى أعمق تحدد الأنواع الفرعية لخطاب الكراهية المتصلة بالرياضة والدين والسياسة والعرق والعنف، وقدم الباحثون تحليلًا وصفيًا شاملًا لمكونات المجموعة يبين توزيع فئاتها وخصائصها، ثم دربوا نماذج من التعلم الآلي والتعلم العميق التقليدي ونماذج التعلم العميق القائمة على المحولات، وفي مقدمتها نموذج آرابيرت العربي، وقارنوا أداءها في مهمة التصنيف، وجربوا تقنيات إغناء البيانات لمعالجة اختلال التوازن بين الفئات المسيئة وغير المسيئة
ويعكس التوسيم ثلاثي المستويات تصورًا متدرجًا لظاهرة الإساءة الرقمية، فليست كل إساءة خطاب كراهية، وليست كل سخرية إساءة مقصودة، ومن ثم يتيح هذا التدرج تدريب نماذج تميز بين مستويات الخطورة بدل حكم ثنائي واحد يجمع المزاح والإهانة والتحريض في سلة واحدة، كما أن تحديد الأنواع الفرعية لخطاب الكراهية بحسب موضوعه يفتح الباب أمام تحليلات أدق لانتشار كل نوع وسياقاته، ويساعد منصات التواصل على ترتيب أولويات التدخل بحسب جسامة المحتوى وسرعة انتشاره وأثره في الفئات المستهدفة به داخل المجتمع الرقمي
ثانيًا: أبرز النتائج
أظهرت النتائج أن النماذج المدربة على المجموعة اللهجية السعودية حققت درجة إف1 قدرها 87 في المئة في التعرف على اللغة المسيئة، وارتفعت هذه الدرجة إلى 91 في المئة عند تطبيق تقنيات إغناء البيانات التي تعالج اختلال توازن الفئات، وتفوقت هذه النتائج على كثير من الدراسات السابقة في المجال نفسه، وبينت المقارنات أن تخصيص مجموعة بيانات للهجة بعينها يعزز كفاءة الرصد والتصنيف مقارنة بمجموعات البيانات مختلطة اللهجات أو اللغات، إذ تلتقط النماذج الخصوصيات التعبيرية للهجة السعودية وأنماط الإساءة الشائعة فيها، كما أتاح التحليل الوصفي فهمًا أعمق لتركيبة المحتوى المسيء وتوزيع فئاته الفرعية بما فيها خطاب الكراهية بأنواعه المختلفة وأوزانها النسبية داخل المجموعة
ثالثًا: دلالات الدراسة وتطبيقاتها
وتفيد هذه النتائج مطوري منصات التواصل الاجتماعي والباحثين في معالجة اللغة العربية، إذ توفر لهم موردًا لهجيًا موثقًا يمكن البناء عليه في تطوير أنظمة إشراف آلي أقدر على حماية المستخدمين الناطقين بالعربية من المحتوى الضار، وتدعو إلى استثمار مماثل في بناء موارد للهجات عربية أخرى بدل الاكتفاء بنماذج عامة تخلط اللهجات فتضعف دقتها، كما تفتح آفاقًا لتطبيقات أوسع في تحليل الخطاب الرقمي ورصد خطاب الكراهية في المجالات الرياضية والسياسية وغيرها، بما يعزز سلامة البيئة الرقمية العربية وجودة النقاش العام فيها ويثري مكتبة الموارد اللغوية العربية المتاحة للباحثين والمطورين
ومن الدلالات العملية أيضًا أن توافر مورد لهجي موثق يختصر على فرق تطوير أنظمة الإشراف مراحل مكلفة من جمع البيانات وتوسيمها، ويتيح لهم الانطلاق من قاعدة مجربة قابلة للتوسع الدوري بإضافة بيانات أحدث تعكس تطور التعبيرات اللهجية، كما يمكن للجهات التنظيمية والبحثية توظيف تحليلات المجموعة في فهم أنماط الإساءة الرقمية في المجتمع ورصد تحولاتها عبر المناسبات الرياضية والأحداث العامة، بما يدعم برامج التوعية الرقمية وسياسات الاستخدام الآمن للمنصات لدى الناشئة والشباب
وخلاصة القول إن هذه الدراسة تقدم موردًا متخصصًا للغة المسيئة باللهجة السعودية يضم أكثر من 24000 تغريدة موسومة بعناية على مستويات متدرجة، وتثبت تجريبيًا أن التخصص اللهجي يرفع دقة رصد الإساءة إلى مستويات تتجاوز الدراسات السابقة، بما يجعل المجموعة أساسًا عمليًا لأنظمة إشراف عربية أكثر فاعلية
