تحليل المشاعر باستخدام BERT لتردد المستهلكين تجاه اعتماد الطاقة الشمسية

لماذا لا يزال الناس يترددون بشأن الطاقة الشمسية

توعد الألواح الشمسية بتوليد كهرباء نظيفة ومنزلية المصدر، ومع ذلك لا تزال العديد من الأسر مترددة في تركيبها على أسطح منازلهم. تتعمق هذه الدراسة فيما يقوله الناس بالفعل على الإنترنت عن الطاقة الشمسية—عبر وسائل التواصل الاجتماعي، والمراجعات، والمنتديات العامة—وتستخدم نظام ذكاء اصطناعي لغوي حديث لقراءة المزاج العام. من خلال تحويل آلاف التعليقات إلى صورة واضحة عن المخاوف والآمال، تعرض الدراسة الأماكن التي تُعيق فيها التكلفة والثقة والارتباك انتشار الطاقة الشمسية، وكيف يمكن للتحليل الأذكى أن يساعد صانعي السياسات والشركات على الاستجابة.

الاستماع إلى الأصوات الإلكترونية على نطاق واسع

بدلاً من الاعتماد على استبيانات بطيئة أو مجموعات تركيز صغيرة، جمع الباحثون حوالي 50,000 منشور ومراجعة عامة تذكر اعتماد الطاقة الشمسية، ثم قاموا بتصفية هذه العينة إلى 22,000 عنصر واضح الإيجابية أو السلبية. جاءت هذه البيانات من منصات مثل الرسائل القصيرة، والمناقشات المترابطة، ومواقع مراجعات المستهلكين، وصفحات الويب المفتوحة. ومن خلال الاستناد إلى مصادر متعددة بدلاً من موقع واحد، تقلل الدراسة من خطر الإفراط في الاعتماد على نوع واحد من المستخدمين أو منطقة جغرافية. حوّل المعالجة المسبقة المتأنية—إزالة النسخ المكررة، وحذف أسماء المستخدمين والروابط، وتوحيد الصيغ، وتجميع العبارات المفتاحية مثل «الطاقة الشمسية» أو «تكلفة الطاقة الشمسية»—هذا التيار الصاخب إلى مجموعة بيانات أنظف وأكثر قابلية للمقارنة مع حماية خصوصية المستخدم.

كيف يتعلم الذكاء الاصطناعي نبرة الحديث عن الطاقة الشمسية

لقراءة المشاعر في هذا النص، بنى الفريق نموذجًا هجينًا يجمع بين طريقتين تكميليتين لتمثيل اللغة. الأولى، المسماة TF–IDF، تقيس مدى تميّز كلمة أو عبارة في المجموعة النصية، مرفوعةً المصطلحات التي تشير بقوة إلى موضوعات مهمة مثل «التكلفة» و«الاعتمادية» و«السياسة» أو «فترة الاسترداد». أما الثانية فمأخوذة من BERT، نموذج لغوي حديث قائم على المحوّل يمثل كل جملة في فضاء عالي الأبعاد، ما يلتقط الفروق الدقيقة والسخرية والسياق التي تغفل عنها حسابات الكلمات البسيطة. بدمج هذين العرضين في متجه ميزات واحد وتدريب مُصنّف على أمثلة معنونة، يتعلم النظام كل من الكلمات المهمة وكيفية استخدامها في جمل فعلية عن الطاقة الشمسية.

التحقق من الدقة وجعل النتائج قابلة للتطبيق

النهج الهجين ليس مجرد فكرة جيدة على الورق؛ بل يحقق أداءً قويًا عمليًا. على بيانات اختبار محجوزة لم يرها النموذج أثناء التدريب، يحقق درجة F1 بمقدار 0.82، مع توازن في الدقة والاستدعاء لكل من المشاعر الإيجابية والسلبية ودقة إجمالية تبلغ 0.84. وتُظهر فحوص إضافية—مثل منحنيات خاصية المستلم (ROC)، ومنحنيات الدقة-الاستدعاء، ومخططات المعايرة—أن الاحتمالات المتنبأ بها تتطابق جيدًا مع النتائج الحقيقية، مما يعني أن النموذج يعرف متى يكون واثقًا ومتى يكون متردداً. ثم يضيف المؤلفون خطوة أخرى، باستخدام مخططات الكسب التراكمي ومنحنيات الرفع ودقة "Top-K" لبيان أنه إذا استطاع صانع قرار فحص جزء صغير فقط من المنشورات، فإن التركيز على التنبؤات ذات الثقة الأعلى لدى النموذج يُظهر تعليقات أكثر صلة وجديرة بالقرار بكثير من أخذ عينات عشوائية.

ما الذي يقلق الناس أكثر

بمجرد أن يفصل النظام بشكل موثوق النقاش الإيجابي عن السلبي، يفحص الباحثون داخل المعسكر السلبي لرؤية الموضوعات السائدة. يجدون أن أكثر من 40٪ من المشاعر السلبية تتركز حول المال—تكاليف التركيب المقدمة، الشكوك بشأن فترة الاسترداد، والمخاوف من الرسوم الخفية. حوالي ربع التعليقات السلبية يبرز قلقًا بشأن الاعتمادية: هل ستعمل الألواح في الطقس السيئ، هل سيكون الصيانة مصدر إزعاج، وهل يمكن للناس الوثوق بالمنفذين والمعدات؟ يقارب واحد من كل خمسة منشورات سلبية انعكاس شكوك بيئية، مثل مخاوف بشأن تصنيع الألواح أو إعادة التدوير، أو ما إذا كانت الطاقة الشمسية تقلل الانبعاثات فعلاً عند احتساب كامل دورة الحياة. كما تظهر لبس وإحباط سياسيان، لكن بقوة أقل إلى حد ما من هذه الحواجز الأساسية.

تحويل الرؤى إلى اعتماد أفضل للطاقة الشمسية

بالنسبة للقارئ غير المتخصص، النتيجة الرئيسية واضحة: بالاستماع بعناية إلى المحادثات عبر الإنترنت على نطاق واسع باستخدام ذكاء اصطناعي مخصص لمجال الطاقة الشمسية، يصبح من الممكن قياس ما يعيق الناس. تظهر التكلفة كأكبر حاجز، تليها الثقة في الأداء والشكوك المستمرة حول المنافع البيئية. وبما أن النموذج يمكنه تسليط الضوء على الحالات الأكثر ثقة وإفادة وتصوير الاتجاهات عبر الزمن، فإنه يزوّد صانعي السياسات والمنفذين والمدافعين بلوحة معلومات عملية عن مخاوف الجمهور. وهذا بدوره يمكن أن يوجه حوافز مستهدفة، وتواصل أوضح حول التوفيرات والاعتمادية، وإجابات أفضل على الأسئلة البيئية—خطوات قد تساعد المزيد من الأسر على الشعور بالاستعداد للقفزة نحو الطاقة الشمسية.

الاستشهاد: Jabbar, A., Yuan, J., Al-Shamasneh, A.R. et al. BERT based sentiment analysis of consumer hesitancy toward solar energy adoption. Sci Rep 16, 8397 (2026). https://doi.org/10.1038/s41598-026-38604-6

الكلمات المفتاحية: اعتماد الطاقة الشمسية, مشاعر المستهلك, تردد تجاه الطاقة المتجددة, تحليل نصوص بالذكاء الاصطناعي, نموذج BERT