في عالم وسائل التواصل الاجتماعي، تُعتبر دقة التجسيد لتفاعلات المؤثرين عنصراً أساسياً يجمع بين الإبداع والتكنولوجيا. تبين أن نماذج اللغات الضخمة (Large Language Models) تمتلك إمكانيات هائلة كعملاء تمثيليين، لكن تواجه هذه النماذج صعوبة في تجسيد سلوك الأفراد بشكل دقيق.

قدمت الأبحاث الأخيرة منهجية جديدة تحت اسم "التحليل السلوكي القائم على الوضع" (Situation--Internal state--Behavior Persona). يهدف هذا المنهج إلى دمج استراتيجيات سلوكية تعتمد على الظروف المحيطة، مما يؤدي إلى تحسين التجسيد السلوكي ضمن سياقات معينة.

أحد التحديات الرئيسية التي تواجه المطورين هي تقييم النماذج الحالية، حيث كانت طرق التعلم السياقي (contextual learning) السابقة غير قادرة على التقاط ردود الأفعال المناسبة للأفراد في مواقف مختلفة. ولتجاوز هذه العقبة، طوّر الباحثون بروتوكول تقييم يزوّد المقيمين بمعلومات مرجعية حول الأفراد الذين يتم تجسيدهم.

أثبتت التجارب التي أجريت على مجموعة بيانات جديدة تتعلق بتوليد الردود على وسائل التواصل الاجتماعي أن هذه الطريقة تتفوق على الطرق الموجودة التي تعتمد على التعلم السياقي. كما أظهرت النتائج تطابقاً معتدلاً مع تقييمات البشر.

تظهر النتائج أن دمج المعلومات السلوكية يمكن أن يحسن بشكل كبير من دقة التفاعل بين الأفراد والمثرين على وسائل التواصل، سواء كانوا حقيقيين أو شخصيات خيالية. وبالتالي، يعدّ هذا العمل خطوة متقدمة نحو بناء نماذج فعّالة في العالم الرقمي.