في خطوة مبتكرة نحو فهم ديناميات الصحة النفسية، أطلق فريق البحث DreamerNLplus، وهو إطار هجيني متقدم يهدف إلى تحليل البيانات المستخلصة من وسائل التواصل الاجتماعي. يحاول المشروع الإجابة على ثلاثة تحديات رئيسية في هذا المجال:

1. **نمذجة الحالة النفسية**: يتم دمج تقنيات مثل تعزيز البيانات المعتمدة على نماذج اللغات الضخمة (LLM) مع تصنيف DeBERTa و Regression باستخدام Random Forest، مما يساعد في التنبؤ المنظم بالحالات النفسية.

2. **كشف التغيرات الزمنية**: يعمد الفريق إلى استخدام تقنيات prompting مع نموذج Llama 3.1 المحلي للكشف عن أحداث التحويل والتصعيد من خلال سياقات زمنية قصيرة.

3. **تلخيص التسلسل الزمني**: تم استكشاف طريقتين لتلخيص البيانات، الأولى قائمة على القواعد والثانية تعتمد على نماذج اللغات الضخمة، حيث حصلت الطريقة الأخيرة على المرتبة الثانية رسميًا.

يتمتع النظام المحسّن بالقدرة على تقديم أداء رائع، حيث حقق المرتبة الأولى في تحسين الأداء والمرتبة الثالثة في تدهور الحالة، مما يعكس قدرته على التقاط الأنماط النفسية المتكررة عبر الزمن.

من خلال تحليل النتائج، تم الكشف عن تحديات رئيسية، مثل عدم التوافق بين أداء التصنيف والانحدار، وصعوبة نمذجة الانتقالات الزمنية، والتباين بين مقاييس التقييم الدلالي والمبنية على التشابه. تُبرز هذه النتائج تعقيد نمذجة ديناميات الصحة النفسية وتحفز الأبحاث المستقبلية نحو تطوير أطر تقييم موحدة.

إذا كان لديك اهتمام بمجال الذكاء الاصطناعي ودراسة الصحة النفسية، فلا تتردد في الاطلاع على الشيفرة والأدوات المستخدمة على GitHub: https://github.com/4dpicture/CLPsych2026 . ما رأيكم في هذه الابتكارات؟ شاركونا آراءكم في التعليقات!