في عالم الذكاء الاصطناعي، يعد تصنيف آليات الدفاع النفسي من التحديات المعقدة التي تتطلب دقة عالية وفهمًا عميقًا. خلال تحدي PsyDefDetect في مؤتمر BioNLP 2026، برزت الحاجة إلى نماذج قادرة على التعامل مع الاعتبارات النفسية في المحادثات الداعمة.

تناول الباحثون في هذا السياق مشكلة عدم وضوح تصنيف الآليات الدافعة النفسية، حيث تشتكي تصنيفات الفئات الثمانية الإيجابية من تداول نفس اللغة السطحية وتختلف فقط في وظائفها البراغماتية. وقد أظهرت الدراسات السابقة أن التقييم بين المحللين يحمل توافقًا معتدلًا، مما يبرز الحاجة إلى أساليب أكثر تعقيدًا.

لذا، تم تطوير نموذج مبتكر يتضمن تسعة فرق من المصوتين، تمتد عبر ثلاثة محاور رئيسية: دقة الفصل بين الفئات، طريقة التدريب (مولد وتمييز)، ونموذج الأساس. يكمن سر نجاح هذا النموذج في استقلالية الأخطاء: بدلاً من الاعتماد على نموذج فردي قوي، يستفيد النموذج من التنوع وزيادة دقة التصنيف من خلال دمج آراء متعددة.

وبفضل هذا التصميم، ساهم النموذج في تحقيق نتيجة $F1_{test}{=}.420$ على مجموعة الاختبار الخفية، مما يضمن له المركز الأول بين 21 فريقًا مسجلًا. هذا الابتكار لا يُعتبر فقط تقدماً في تصنيف آليات الدفاع النفسي بل يوفر أيضًا نموذجًا يحتذى به في مجالات أخرى تتطلب حلولاً معقدة للمشاكل السلوكية والنفسية.