DOI: https://doi.org/10.17645/mac.9534
تاريخ النشر: 2025-04-24
المؤلف: Lisa Tam وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تناقش هذه القسم التحديات التي تواجه تحليل المحتوى اليدوي في العلوم الاجتماعية بسبب الزيادة في حجم بيانات الاتصال عبر الإنترنت، وخاصة فيما يتعلق بالقدرة على التوسع، والكفاءة، ونطاق الترميز. بينما تقدم التعلم الآلي الآلي حلاً محتملاً، فإن طبيعته كصندوق أسود تحد من قابلية التفسير، مما يعيق تطبيقه في أبحاث الاتصال في العلوم الاجتماعية. تقترح الدراسة استخدام الذكاء الاصطناعي القابل للتفسير، وتحديداً تحليل الموتر من خلال طريقة PARAFAC2، كوسيلة لتعزيز كل من دقة التنبؤ وقابلية التفسير.
من خلال تبسيط مجموعات البيانات المعقدة إلى مكونات أكثر قابلية للإدارة، يسمح تحليل الموتر باستكشاف العلاقات المعقدة بين الميزات اللغوية. يوضح المؤلفون هذا النهج باستخدام مجموعة بيانات مراجعات البريد المزعج المسمى، مما يظهر قدرته على كشف الأنماط التي قد تتجاهلها الطرق التقليدية. لا يعزز هذا الإطار الرؤى حول استخدام اللغة فحسب، بل يعمل أيضًا كأداة قيمة لتقدم أبحاث الاتصال في العلوم الاجتماعية من خلال سد الفجوة بين الدقة وقابلية التفسير.
مقدمة
تتناول مقدمة الورقة التحديات التي تواجه تحليل المحتوى اليدوي في دراسات الإعلام بسبب الزيادة في حجم بيانات الاتصال عبر الإنترنت. بينما تم اعتماد الأساليب الآلية، وخاصة تلك التي تستخدم التعلم الآلي، لمهام مثل اكتشاف البريد المزعج للرأي، وعدم الأدب، والمعلومات المضللة، فإنها غالبًا ما تعمل كـ “صناديق سوداء”. وهذا يعني أنه، على الرغم من تحقيق دقة عالية، فإن هذه النماذج لا تقدم رؤى حول الميزات أو المتغيرات التي تؤثر على تنبؤاتها، مما يشكل حاجزًا كبيرًا لفهم الاتصال البشري وتطبيق النتائج على تعليم محو الأمية الإعلامية.
لمعالجة هذه المشكلة، تسلط الورقة الضوء على إمكانيات الذكاء الاصطناعي القابل للتفسير، الذي يسعى إلى تعزيز قابلية تفسير نماذج التعلم الآلي دون التضحية بالأداء. على الرغم من أن تطبيق الذكاء الاصطناعي القابل للتفسير في أبحاث الاتصال في العلوم الاجتماعية كان محدودًا، تهدف هذه الدراسة إلى سد تلك الفجوة من خلال تقديم دليل لتحليل المحتوى الرقمي باستخدام طرق التعلم الآلي القابلة للتفسير، مع التركيز بشكل خاص على تقنيات تحليل الموتر مثل PARAFAC2. يوضح المؤلفون كيف يمكن استخدام هذه الطريقة من قبل الباحثين في الإعلام والاتصال لتحليل مجموعات البيانات عبر الإنترنت وتفسير نتائجهم، مشيرين إلى مجموعة بيانات مراجعة تم إنشاؤها بواسطة أوت وآخرين (2011، 2013) لدعم نهجهم.
طرق
في هذا القسم، يحدد المؤلفون منهجية تحليل البيانات الخاصة بهم، مع التركيز على تحليل الموتر كوسيلة لكشف الأنماط الخفية داخل مصفوفات البيانات متعددة الأبعاد. تستخدم الدراسة مجموعة بيانات مراجعات البريد المزعج عبر الإنترنت لتوضيح تطبيق هذه التقنية في أبحاث الاتصال في العلوم الاجتماعية. في البداية، تم استخراج الميزات اللغوية من المراجعات باستخدام أداة الاستفسار اللغوي وعد الكلمات (LIWC)، بعد ذلك تم تحويل البيانات إلى تنسيق موتر.
بعد ذلك، تم تطبيق خوارزمية تحليل الموتر لتحديد الأنماط الهامة داخل مجموعة البيانات. يوضح المؤلفون أيضًا فائدة هذا النهج من خلال تحليل المراجعات المضللة، مما يوضح كيف يمكن لتحليل الموتر استخراج رؤى قيمة من البيانات عالية الأبعاد. يبرز هذه الطريقة إمكانيات تحليل الموتر في تعزيز فهم الهياكل المعقدة للبيانات في سياقات العلوم الاجتماعية.
نتائج
في هذا القسم، يقدم المؤلفون نتائج شاملة من تحليلهم لـ 18 ميزة لغوية، كما هو موضح في الجدول 1. يحدد الجدول المسافات الإقليدية بين كل ميزة ومجموعتي المراجعات – الصادقة والمزيفة. كل صف يتوافق مع ميزة لغوية معينة، مع العمود الأخير الذي يشير إلى الفروق في المسافات بين المجموعتين. من الجدير بالذكر أن القيم المميزة بنجمة تشير إلى الحد الأدنى من المسافة، مما يبرز الميزات التي تمارس أقوى تأثير على مجموعة المراجعات المعنية.
تشير النتائج إلى أن بعض الميزات اللغوية، وخاصة الضمائر (المسافة: 9.5034)، والضمائر الشخصية (المسافة: 9.5862)، وضمائر المتكلم المفرد (المسافة: 9.7629)، هي مؤشرات هامة للمراجعات المزيفة. وهذا يشير إلى أن المراجعات المزيفة تميل إلى استخدام لغة أكثر شخصية وإشارة إلى الذات، ربما كاستراتيجية لتقليل المسافة النفسية وزيادة المصداقية المدركة بين القراء، مما يتماشى مع الأبحاث السابقة التي أجراها هانكوك وآخرون (2010) ونيو مان وآخرون (2003).
مناقشة
في مناقشة طرق تحليل النص، تسلط الورقة الضوء على التطور من أساليب كيس الكلمات الأساسية (BoW) إلى تقنيات أكثر تقدمًا، مع التأكيد على قيود BoW في التقاط المعنى السياقي. بينما لا يزال BoW شائعًا بسبب كفاءته الحسابية، فإن طرق مثل الاستفسار اللغوي وعد الكلمات (LIWC) تقدم رؤى لغوية أعمق من خلال تصنيف الكلمات إلى مجالات نفسية واجتماعية. ومع ذلك، فإن LIWC أيضًا يواجه صعوبة في التعامل مع الفروق الدقيقة السياقية. لقد حسنت ظهور نماذج اللغة الكبيرة، مثل BERT وGPT-x، من الفهم السياقي، إلا أن تعقيدها يشكل تحديات في قابلية التفسير. تعتمد الدراسة نهج BoW المدعوم بـ LIWC، مع إعطاء الأولوية لقابلية التفسير لتحليل العلوم الاجتماعية.
تناقش الورقة أيضًا تحديات التعلم الآلي الخاضع للإشراف في البيانات عالية الأبعاد، حيث غالبًا ما تفشل النماذج التقليدية في التقاط العلاقات غير الخطية المعقدة. تقدم طرق تحليل الموتر، وخاصة خوارزمية PARAFAC2، كأدوات فعالة لتحليل التفاعلات متعددة الأبعاد في مجموعات البيانات عالية الأبعاد. تم تطبيق تحليل الموتر عبر مجالات مختلفة، بما في ذلك أبحاث الاتصال، لتعزيز قابلية تفسير نماذج التعلم الآلي من خلال كشف الأنماط الخفية. توضح الدراسة تطبيق تحليل الموتر في تحليل الميزات اللغوية للبريد المزعج للرأي، باستخدام تمثيل موتر منظم لتمييز بين المراجعات الحقيقية والمزيفة. تهدف هذه الطريقة المنهجية إلى تقديم رؤى أوضح حول الأنماط اللغوية المرتبطة بآراء البريد المزعج، وبالتالي المساهمة في المجال الأوسع لتحليل النص.
DOI: https://doi.org/10.17645/mac.9534
Publication Date: 2025-04-24
Author(s): Lisa Tam et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
The section discusses the challenges faced by manual content analysis in social sciences due to the increasing volume of online communication data, particularly regarding scalability, efficiency, and coding scope. While automated machine learning presents a potential solution, its black-box nature limits interpretability, hindering its application in social science communication research. The study proposes the use of explainable AI, specifically tensor decomposition through the PARAFAC2 method, as a means to enhance both prediction accuracy and interpretability.
By simplifying complex datasets into more manageable components, tensor decomposition allows for the exploration of intricate relationships among linguistic features. The authors illustrate this approach using a labeled spam review dataset, demonstrating its ability to uncover patterns that traditional methods may overlook. This framework not only enhances insights into language use but also serves as a valuable tool for advancing social science communication research by bridging the gap between accuracy and explainability.
Introduction
The introduction of the paper addresses the challenges faced by manual content analysis in media studies due to the increasing volume of online communication data. While automated approaches, particularly those utilizing machine learning, have been adopted for tasks such as detecting opinion spam, incivility, and misinformation, they often operate as “black boxes.” This means that, despite achieving high accuracy, these models do not provide insights into the features or variables that influence their predictions, which poses a significant barrier to understanding human communication and applying findings to media literacy education.
To address this issue, the paper highlights the potential of explainable AI, which seeks to enhance the interpretability of machine learning models without sacrificing performance. Although the application of explainable AI in social science communication research has been limited, this study aims to bridge that gap by offering a guide for digital content analysis using interpretable machine learning methods, specifically focusing on tensor decomposition techniques like PARAFAC2. The authors illustrate how this method can be utilized by media and communication researchers to analyze online corpora and interpret their results, referencing a review dataset constructed by Ott et al. (2011, 2013) to support their approach.
Methods
In this section, the authors outline their data analysis methodology, focusing on tensor decomposition as a means to uncover hidden patterns within multidimensional data arrays. The study employs an online spam reviews dataset to exemplify the application of this technique in social science communication research. Initially, linguistic features from the reviews were extracted using the Linguistic Inquiry and Word Count (LIWC) tool, after which the data was transformed into tensor format.
Subsequently, a tensor decomposition algorithm was applied to identify significant patterns within the dataset. The authors further illustrate the utility of this approach by analyzing deceptive reviews, demonstrating how tensor decomposition can effectively extract valuable insights from high-dimensional data. This method highlights the potential of tensor decomposition in enhancing the understanding of complex data structures in social science contexts.
Results
In this section, the authors present comprehensive results from their analysis of 18 linguistic features, as detailed in Table 1. The table quantifies the Euclidean distances between each feature and two review groups—truthful and fake. Each row corresponds to a specific linguistic feature, with the final column indicating the differences in distances between the two groups. Notably, values marked with an asterisk denote the minimum distance, highlighting features that exert the strongest influence on the respective review group.
The findings indicate that certain linguistic features, particularly pronouns (distance: 9.5034), personal pronouns (distance: 9.5862), and first-person singular pronouns (distance: 9.7629), are significant indicators of fake reviews. This suggests that fake reviews tend to utilize more personal and self-referential language, potentially as a strategy to reduce psychological distance and enhance perceived credibility among readers, aligning with previous research by Hancock et al. (2010) and Newman et al. (2003).
Discussion
In the discussion of text analysis methods, the paper highlights the evolution from basic bag of words (BoW) approaches to more advanced techniques, emphasizing the limitations of BoW in capturing contextual meaning. While BoW remains popular due to its computational efficiency, methods like Linguistic Inquiry and Word Count (LIWC) offer deeper linguistic insights by categorizing words into psychological and social domains. However, LIWC also struggles with subtle contextual nuances. The emergence of large language models, such as BERT and GPT-x, has improved contextual understanding, yet their complexity poses challenges in interpretability. The study adopts a LIWC-supported BoW approach, prioritizing interpretability for social science analysis.
The paper further discusses the challenges of supervised machine learning in high-dimensional data, where traditional models often fail to capture complex nonlinear relationships. It introduces tensor decomposition methods, particularly the PARAFAC2 algorithm, as effective tools for analyzing multidimensional interactions in high-dimensional datasets. Tensor decomposition has been applied across various fields, including communication research, to enhance the interpretability of machine learning models by uncovering hidden patterns. The study illustrates the application of tensor decomposition in analyzing linguistic features of opinion spam, using a structured tensor representation to differentiate between genuine and fake reviews. This methodological approach aims to provide clearer insights into the linguistic patterns associated with spam opinions, thereby contributing to the broader field of text analysis.