في عصر التغيرات السريعة والمعلومات المضللة، تبرز أهمية الكشف عن الأخبار المزيفة، خاصة خلال أوقات الأزمات مثل جائحة COVID-19. دراسة جديدة تبحث في كيفية استخدام الخصائص النصية واللغوية في الكشف عن هذه الأخبار، مشيرة إلى أهمية هذا الجانب من البحث.

تستند الدراسة إلى مجموعة بيانات جديدة تم جمعها أثناء فترة الوباء، حيث تم اختبار عدة نماذج تعلم آلي مثل شجرة القرار (Decision Tree) والجيران الأقرب (K-Nearest Neighbor) والانحدار اللوجستي (Logistic Regression) وآلة الدعم الناقل (Support Vector Machine) والغابة العشوائية (Random Forest).

أظهرت النتائج أن الغابة العشوائية حققت أفضل أداء، تليها آلة الدعم الناقل في جميع التجارب. ومن الجدير بالذكر أن كل من الخصائص النصية واللغوية كانت فعالة عند استخدامها بشكل منفصل، رغم أن دمجها ضمن نموذج واحد لم يُحقق تحسينًا كبيرًا في معدل الكشف. كما تم ملاحظة اختلافات بين استخدام التعابير الأثنائية (bigrams) وعلامات التوصيف اللغوي (part of speech tags).

توصلت الدراسة إلى أن استخدام الخصائص النصية واللغوية يمكن أن يكون فعالًا في الكشف عن الأخبار المزيفة عبر أساليب التعلم الآلي التقليدية، ما يفتح الأبواب لتطبيقات جديدة ومستقبلية في هذا المجال.