ChunkyBERT: تقنية جديدة لاكتشاف الانحياز السياسي متعدد الفئات في وسائل الإعلام الإخبارية

لماذا تهم الميولات الخفية في الأخبار

يومياً، يتصفح الناس عناوين سياسية من دون أن يدركوا كيف قد توجه صياغة النصوص وخيارات السرد آرائهم بهدوء. تقدم هذه الدراسة ChunkyBERT، وهو نموذج حاسوبي مصمم لاكتشاف ما إذا كانت المقالات الإخبارية الطويلة تميل لليسار أو الوسط أو اليمين، مستفيداً من النص الكامل بدل الاعتماد على إشارات مختارة يدوياً. الهدف هو مساعدة القراء والصحفيين والجهات الرقابية على رؤية الانحياز بشكل أوضح في وسائل الإعلام الرقمية الحديثة.

كيف تشكّل الميول السياسية ما نقرأه

يمكن للمنصات الإخبارية أن تؤثر في الرأي ليس فقط بما تقوله، بل أيضاً بما تحذفه، وكيف تؤطر الأحداث، وأي العبارات العاطفية تختار. في عصر المنصات الإلكترونية يمكن لذلك أن يعمّق الانقسامات، ويغذي غرف الصدى، وينشر معلومات مضللة. حاولت أدوات حاسوبية سابقة قياس ذلك عبر عدّ كلمات إيجابية أو سلبية، أو تتبع تكرار ظهور مصطلحات معينة. ومع أنها كانت مفيدة، تَعجز تلك الأدوات أحياناً عن التعامل مع السياق، مثل السخرية أو التأطير الدقيق، وغالباً ما تحتاج لإعداد يدوي كبير من خبراء.

من الأدلة المصمّمة يدوياً إلى قراءة النص الكامل

تسمح التطورات الحديثة في تقنيات اللغة للنماذج بتعلّم المعنى مباشرة من النص الخام. الأنظمة المبنية على الشبكات العصبية والمحولات، مثل BERT، يمكنها التقاط كيفية تأثير الكلمات بعضها في بعض داخل الجملة وعبر الفقرات. استخدمت دراسات سابقة هذه الأدوات للكشف عن خطاب الكراهية أو الأخبار الزائفة أو تحليل المشاعر، وجرب بعضها تقدير الميول السياسية من عناوين قصيرة أو تغريدات. ومع ذلك تبقى المقالات السياسية الطويلة تحدياً، لأن النماذج القياسية لها حدود في كمية النص التي يمكنها معالجتها دفعة واحدة، ولأن علامات الانحياز قد تتوزع عبر القصة بدل الوجود في اقتباس واحد لافت.

تقسيم المقالات الطويلة إلى أجزاء أسهل

يواجه ChunkyBERT هذه المشكلة أولاً بتقطيع كل مقالة طويلة إلى قطع أصغر متساوية الطول تُسمى قطعاً (chunks). هذه القطع ليست محاذاة مع الجمل أو الفقرات، ما يبقي العملية بسيطة ومتوقعة للحاسوب. ثم يُمرَّر كل جزء عبر نموذج لغوي مُدرّب مسبقاً يحوّل الكلمات إلى أنماط رقمية تلتقط معناها في السياق. طبقة محول ثانية تُنقّح هذه الأنماط، وخطوة انتباه تسمح للنظام بتسليط الضوء بهدوء على الكلمات والعبارات التي تبدو أكثر دلالة على الميل السياسي مع تهميش النص المحايد والخلفي.

إعادة تجميع القصة

بعد أن تُلخَّص كل قطعة بهذه الطريقة، يجمع ChunkyBERT متوسط ملخصات القطع ليكوّن بصمة موحّدة للمقال. تُدخل هذه البصمة بعد ذلك في طبقة قرار نهائية تختار بين اليسار أو الوسط أو اليمين. درّب الباحثون النظام واختبروه على أكثر من 37,000 مقالة إخبارية ذات تسميات سياسية معروفة، معظمها من مصادر أمريكية. قارنوا ChunkyBERT بأساليب تعلم آلي تقليدية ونماذج عصبية أخرى، بما في ذلك نماذج قائمة على الشبكات المتكررة والتلافيف الزمنية، سواء مع أو بدون تقسيم ومرحلة انتباه.

مدى أداء النظام

أظهرت التجارب أن ChunkyBERT صنف المقالات بدقة تحقق نحو 86 بالمئة على مجموعة التحقق، وحقق نتيجة قوية على مقياس فصل معياري يقيس مدى تمييزه بين الفئات. تفوق النظام بشكل خاص في اكتشاف القطع التي تميل بوضوح لليسار أو اليمين، بينما أُخطئ أحياناً في تصنيف المقالات الوسطية لصالح أحد الطرفين، مما يعكس نبرتها الأكثر مزيجاً. كشفت دراسة العَطْل (ablation) التي أوقف فيها المؤلفون أجزاء من النموذج أن كلّاً من تقسيم الوثائق الطويلة وطبقات المحول كانا حاسمين لتحقيق أداء عالٍ. كما تفوّق النظام على أساليب كشف الانحياز السابقة التي اختُبرت على نفس مجموعة البيانات.

ماذا يعني ذلك لقرّاء الأخبار

بعبارات بسيطة، يتصرف ChunkyBERT كقارئ دؤوب ودقيق يمرّ على القصص السياسية كاملة ويقدّر موقعها على الطيف السياسي. هو لا يزيل الانحياز من الأخبار، ولا يقرر أي الآراء صحيحة، لكنه يمكن أن يساعد في الإشارة إلى ميولات قد تمرّ دون ملاحظة. مع مزيد من التحسين والتكييف للغات ومناطق أخرى، يمكن لأدوات مماثلة دعم مراقبة الإعلام، والنقاشات الصفية، ومنصات المعرفة الرقمية، مما يمنح الناس رؤية أوضح لكيفية تشكيل المعلومات قبل وصولها إلى شاشاتهم.

الاستشهاد: Loiya, D., Kulal, S.S., Reddy, M.S.M. et al. ChunkyBERT: a novel technique for multiclass political bias detection in news media. Sci Rep 16, 15323 (2026). https://doi.org/10.1038/s41598-026-46646-z

الكلمات المفتاحية: انحياز وسائل الإعلام السياسية, تصنيف الأخبار, نماذج المحول, BERT, المعرفة الرقمية