في عصر الانتشار السريع لمنصات التواصل الاجتماعي، أصبح استقطاب الآراء تهديدًا حقيقيًا للتماسك الاجتماعي. لذا، تتطلب الحاجة الملحة إلى أنظمة كشف تلقائية قوية وفعالة عبر السياقات اللغوية المتعددة. نتحدث اليوم عن دراسة مثيرة تقدم استراتيجية هجينة مدعومة بـ AfroXLMR-Social وDeBERTa لكشف الاستقطاب في النصوص.

تتناول هذه الورقة تفاصيل نظامنا المرسل للمشاركة في مسابقة POLAR لعام 2026، التي تركز على الكشف عن الخطابات المستقطبة وتحليلها باللغتين الإنجليزية والهوسا. لاستغلال القوة الأحادية للغة، اعتمدنا على نموذج DeBERTa للكشف الثنائي باللغة الإنجليزية، بينما استخدمنا AfroXLMR-Social للغة الهوسا وجميع المهام الفرعية الدقيقة.

يثبت هذا النموذج المتعدد اللغات تكيفه مع المجال، مما يساعد على فهم تفاصيل الاستقطاب في النصوص المنشورة على وسائل التواصل الاجتماعي. لمواجهة التحديات المتعلقة بحساب الموارد وندرة البيانات، نفذنا تقنيات مثل التكيف منخفض الرتبة (Low-Rank Adaptation أو LoRA) وزيادة البيانات النصية باستخدام أدوات مثل nlpaug.

تظهر النتائج التنافسية التي تم الإبلاغ عنها عبر جميع المهام الفرعية الثلاثة أن اختيار النموذج بشكل مخصص استنادًا إلى متطلبات كل مهمة فرعية يضمن تحقيق أفضل توازن بين الأداء والفعالية. كيف يمكن أن تساهم هذه الجهود في تحسين صحافة المعلومات ونقل الأخبار بشكل موضوعي؟ شاركونا آرائكم في التعليقات.