تهدف الدراسة إلى تطوير وتقييم نظام للكشف عن التضليل العلمي باللغة العربية من خلال الضبط الدقيق لنموذج AraBERT-base-v2، وتحليل أثر الإيقاف المبكر وطول التسلسل النصي في الأداء، إلى جانب تفسير أبرز الخصائص اللغوية المرتبطة بالمحتوى المضلل وبيان حدود استخدام البيانات المترجمة.
النتائج: أظهرت النتائج أن النموذج الأساسي حقق أعلى دقة (80.9%) في تصنيف الأخبار العلمية، إلا أنه عانى من فرط التكيف. في المقابل، أسهم تطبيق Early Stopping في تحسين التوازن بين الأداء والاستقرار بدقة بلغت 75.7% مع تعزيز القدرة على التعميم، أما زيادة طول التسلسل إلى 512 Token فقد أدت إلى انخفاض الدقة (73.1%) نتيجة إدخال معلومات غير ذات صلة، كما أظهرت النتائج تفوق النموذج في اكتشاف الأخبار العلمية المزيفة مقارنة بالحقيقية.
الخلاصة: توصلت هذه الدراسة إلى أن نموذج AraBERT يُعد أداة فعّالة في تصنيف الأخبار العلمية المضللة باللغة العربية، إلا أن تحقيق أداء مثالي يتطلب توازنًا دقيقًا بين جودة البيانات واستراتيجيات التدريب المستخدمة. كما تؤكد النتائج أهمية توظيف تقنيات التنظيم، مثل Early Stopping؛ للحد من فرط التكيف وتعزيز قدرة النموذج على التعميم، في حين أن زيادة طول التسلسل النصي لا تضمن بالضرورة تحسنًا في الأداء. وبناءً على ذلك، توصي الدراسة بالتركيز على تحسين جودة البيانات وتنوعها، إلى جانب الضبط الدقيق لمعلمات النموذج، بما يسهم في تطوير أنظمة أكثر كفاءة وموثوقية في البيئات التطبيقية الواقعية.
- المكتبات الرقمية كمصادر علمية لطلبة الإعلام ودورها في تحقيق الإشباعات المعرفية - نوفمبر 8, 2026
- العوامل المؤثرة في التزام الصحفيين الفلسطينيين العاملين في الصحافة الإلكترونية بأخلاقيات المهنة “دراسة ميدانية” - نوفمبر 8, 2026
- قدرة الجمهور على تمييز المحتوى الإعلامي المولّد بالذكاء الاصطناعي: مراجعة منهجية - نوفمبر 8, 2026
