نموذج عالمي لتحليل المشاعر على تويتر حول التطعيم من كوفيد

لماذا تهمّ مشاعر الناس تجاه اللقاحات على تويتر

خلال جائحة كوفيد-19، اعتمدت الحكومات على اللقاحات وتعاون الجمهور لإنقاذ الأرواح. ومع ذلك تفاعل الناس في أنحاء العالم بطرق مختلفة للغاية مع حملات التطعيم، وغالبًا ما عبروا عن آمالهم ومخاوفهم على وسائل التواصل الاجتماعي. تتجاوز هذه الدراسة تسميات "إيجابي" أو "سلبي" البسيطة على التغريدات وتسأل سؤالًا أعمق: كيف تبدو تعليقات الناس حول تطعيم كوفيد-19 عندما نأخذ في الاعتبار مدى شدّة إصابة بلدهم بالفيروس؟ من خلال مزج نص التغريدات ببيانات الوباء الواقعية، يهدف المؤلفون إلى التقاط المعنى الحقيقي للرسالة ضمن سياقها العالمي الأوسع.

من التغريدات الخام إلى الانطباعات الأولية

بدأ الباحثون بجمع أكثر من أربعين ألف تغريدة باللغة الإنجليزية حول تطعيم كوفيد-19 نُشرت في ربيع 2021، وهي فترة حاسمة عندما بلغ العديد من البلدان معالم تطعيم رئيسية. نظفوا البيانات بإزالة وسوم المستخدمين والروابط التي لا تساعد في تقييم النبرة. ولتعيين شعور مبدئي لكل تغريدة، استخدموا نموذج لغة حديث مُدرّب خصيصًا على محتوى تويتر، المعروف باسم Twitter-roBERTa. يصنّف هذا النموذج التغريدات إلى ثلاث فئات أساسية: إيجابي، سلبي، أو محايد، اعتمادًا فقط على النص. يسمي المؤلفون هذه الطبقة الأولى من الوسم "الشعور المحلي" للتغريدة، لأنها تتجاهل ما يحدث في بقية العالم.

إضافة الحالة الواقعية للوباء

بعد ذلك، جمع الفريق إحصاءات كوفيد-19 على مستوى البلد — أعداد الإصابات والوفيات وعدد السكان — لعشرة بلدان موزّعة عبر أمريكا الشمالية وأوروبا وآسيا وأوقيانوسيا. حوّلوا هذه الأرقام إلى "قيمة شدة" واحدة لكل بلد، تظهر مدى تأثره مقارنة بالآخرين خلال فترة الدراسة. تُقرأ التغريدة القادمة من بلد ذي معدلات إصابة ووفيات عالية بضوء مختلف تمامًا عن تغريدة مماثلة في بلد تتمتع أحواله بتأثير أخف. ثم دمج الباحثون كل تغريدة مع قيمة الشدة للبلد الذي يرجّح أن تكون قد جاءت منه، مستفيدين من المواقع التي يصرّح بها المستخدمون وقوائم مدن ومناطق مُعدّة بعناية لرسم الخريطة للبلدان.

تحويل المشاعر المحلية إلى درجات رأي عالمية

مع وجود نص التغريدة وسياق البلد، صمّم المؤلفون ثلاث طرق لتنقيح وسم كل تغريدة من علامة بسيطة (إيجابي/سلبي/محايد) إلى "شعور عالمي" أكثر ثراءً. تعتمد الطريقتان الأوليان على قواعد الاحتمالات (نظرية بايز) لقياس مدى شيوع كل نوع من المشاعر داخل بلد ما أو داخل مجموعتين واسعتي النطاق من البلدان: تلك ذات الحالة الوبائية نسبيًا "الجيدة" مقابل "السيئة". تُعامل التغريدة التي تناقض المزاج السائد في محيطها، مثل تعليق إيجابي نادر في بلد متأثر بشدة، كتعبير "عالي الشدة"، بينما تُعامل التغريدة التي تكرر وجهة نظر شائعة على أنها "منخفضة الشدة". تميّز الطريقة الثانية أيضًا بين وسوم "إيجابية/سلبية ضعيفة" و"إيجابية/سلبية قوية"، اعتمادًا على ما إذا كانت نبرة التغريدة تتلاءم مع أو تتناقض مع وضع البلد.

نموذج أذكى لتعلّم الشدة تلقائيًا

تستخدم الطريقة الثالثة نهجًا إحصائيًا أكثر تقدمًا يُدعى الانحدار الترتيبي المتعدد المستويات بايزيًا. بدلًا من الاعتماد على حدود ثابتة، يتعلم هذا النموذج من البيانات نفسها كيفية تفاعل درجات الشعور على مستوى التغريدة (المستمدة من احتمالات Twitter-roBERTa) مع شدة الوباء في كل بلد. يأخذ في الحسبان الاختلافات بين البلدان مع الاستمرار في تجميع المعلومات عبرها. ثم يقدّر النموذج، لكل تغريدة، ليس فقط ما إذا كانت سلبية أو محايدة أو إيجابية، بل أيضًا مدى ثقة انتمائها إلى تلك الفئة. تُوسم التغريدات التي تكون احتمالاتها المستندة إلى النموذج أعلى مما هو نموذجي لفئتها على أنها "عالية الشدة"؛ أما الأخرى فتوضع تحت وسم "منخفضة الشدة". يخلق هذا تسميات شعور عالمي دقيقة تعكس كلًا من اللغة وسياق الصحة العامة.

ما تعنيه النتائج لفهم المزاج العام

عندما استخدم المؤلفون هذه الوسوم العالمية الجديدة لتدريب مصنّفات شائعة في التعلّم الآلي، وجدوا أن الوسوم الأكثر تفصيلًا — وبالأخص تلك التي أنتجها النموذج المتقدّم — ساعدت المصنّفات على تعلم أنماط أكثر دقة من الطرق الأبسط. عمليًا، يعني هذا أن وكالات الصحة العامة والباحثين ومحلّلي وسائل التواصل الاجتماعي يمكنهم الحصول على صورة أوضح عن شعور الناس الحقيقي تجاه اللقاحات من خلال النظر إلى التغريدات بمنظار عالمي، وليس فقط بقراءة الكلمات معزولة. قد يبدو شخصان محبَطان بنفس القدر بشأن التطعيم، لكن إذا كان أحدهما يعيش في بلد يواجه تفشًّيا حادًا والآخر في مكان الوضع فيه تحت السيطرة، فإن رسائلهما تحمل وزنًا مختلفًا. من خلال التقاط هذه الاختلافات في الشدة، تقدم الدراسة وسيلة أكثر تماسكًا لمراقبة الرأي العام وتصميم استجابات تتناسب بشكل أفضل مع الواقع الذي يعيشه الناس.

الاستشهاد: Chakrabarty, D., Chatterjee, S. & Mukhopadhyay, A. A global twitter sentiment analysis model for COVID-vaccination. Sci Rep 16, 9005 (2026). https://doi.org/10.1038/s41598-026-38553-0

الكلمات المفتاحية: تطعيم COVID-19, مشاعر تويتر, تحليل وسائل التواصل الاجتماعي, الاتصال بالصحة العامة, التعلّم الآلي