في عالم علم النفس، تُعد آليات الدفاع النفسي أداةً حيوية لفهم سلوك الأفراد، لكن الكشف عنها في النصوص المحادثية يشكل تحدياً كبيراً في مجال معالجة اللغات الطبيعية (NLP). في إطار مهمة PsyDefDetect 2026، قدم فريق LinguIUTics أداءً مثيرًا للاهتمام، حيث حقق الفريق تصنيفًا فريدًا خلال المنافسة، محققين درجة F1 (macro F1-score) قدرها 0.3917، مما قادهم إلى المركز الرابع من بين 21 فريقًا مسجلاً.

تستند إنجازات الفريق إلى تحسينات ملحوظة تفوق بوضوح خط الأساس لمهمة Ministral-8B الذي سجل 31.48. فبفضل استراتيجيات مبتكرة، نجح الفريق في تحقيق زيادة قدرها 7.7 نقطة مطلقة، أي ما يعادل 24.4%.

اعتمد الفريق على نماذج BERT وأنظمة اللغات الضخمة (Large Language Models أو LLMs)، ولكنها لم تحقق الأداء المطلوب بسبب عدم التوازن الحاد في الفئات، مما دفعهم لاستخدام تقنيات التحسين المتقدمة مثل fine-tuning لنموذج Qwen3-8B.

تضمن منهجهم ثلاثة استراتيجيات رئيسية:
1. **التحقق المتقاطع المجموعات المرتبة**، الذي يمنع تسرب البيانات.
2. **زيادة المفردات الدائرية للفئات النادرة**، ما يعزز القدرة على التصنيف للفئات غير الشائعة.
3. **تنقيط ما بعد العملية** مع ضبط التحيز اللوجاريتمي ودمج الفرق.

كانت النتائج مؤثرة، حيث نجحوا في رفع أداء الفئة الحاسمة "غامض" (Level 8) من أداء قريب من الصفر إلى درجة F1 تقدر بـ 0.797. يُظهر هذا النجاح قوة الابتكارات التقنية وكيف يمكن أن تغيّر الذكاء الاصطناعي (AI) طريقة فهمنا للعمليات النفسية.

فهل ترى أن مثل هذه المدخلات ستساهم في تحسين الفهم العميق للسلوك البشري؟ شاركونا آرائكم في التعليقات!