تحليل مقارن لتقنيات التعلم الآلي لاكتشاف التنمر الإلكتروني

تتمثل إحدى أكبر المخاوف في العصر الرقمي الحالي في التنمر الإلكتروني، الذي يؤثر بشكل رئيسي على الشباب الذين يستخدمون منصات الوسائط الاجتماعية المدعومة من الويب 2.0. وينطوي عادةً على التهديد أو الإهانة أو إلحاق الأذى العاطفي بالناس عبر الأدوات والمنصات عبر الإنترنت، مما يؤدي غالبًا إلى عواقب نفسية كبيرة مثل القلق والاكتئاب وانخفاض تقدير الذات. تستخدم هذه الدراسة بيانات تويتر المتاحة للجمهور وبيانات تمت استخراجها من المنصة لدراسة كيفية استخدام خوارزميات التعلم الآلي لاكتشاف وتصنيف حالات التنمر الإلكتروني. بعد تنظيف ومعالجة بيانات النصوص باستخدام تقنيات التجزئة، يتم تحليلها باستخدام مجموعة متنوعة من خوارزميات التعلم المُشرف. تشمل هذه النماذج بايز الساذج، والغابات العشوائية، وآلات الدعم الشعاعي، والانحدار اللوجستي، ونماذج التجميع مثل AdaBoost وBagging. يتم تقييم كل نموذج باستخدام مقاييس مثل الدقة، والدقة، والاسترجاع، ونقطة F1، وكفاءة الأداء. تسلط الدراسة الضوء على أهمية تحسين النماذج للاستخدام العملي من خلال مقارنة نتائج النماذج. إلى جانب تحديد أفضل السبل لاكتشاف التنمر الإلكتروني، يهدف هذا العمل إلى تعزيز إنشاء تقنيات أكثر تطوراً يمكن أن تساعد في إنشاء بيئة أكثر أماناً عبر الإنترنت. تساعد هذه الدراسة في الجهود المستمرة لاستخدام معالجة اللغة الطبيعية والتعلم الآلي لتخفيف الآثار السلبية للتنمر الإلكتروني.