نظام تعلم الآلة لتعديل المقالة أثناء قراءتك لها

أظهرت الأبحاث الجديدة من كندا طريقة لتعديل المقالة تلقائيًا أثناء قراءتك لها، بناءً على نمط “التحريك” مثل تندر، أو على مراقبة سلبية لتفاعل القارئ مع أنواع مختلفة من المحتوى التي تحتويها المقالة.

تم تقديم النظام، الذي يُسمى Hone As You Read (HARE)، في ورقة من جامعة ويسترن في أونتاريو، كندا، مع رمز بايثون الموافق على جيثب.

الفكرة المركزية للمشروع هي أن المقالة قد تحتوي على أنواع مختلفة من المحتوى، تتطور (مثل هذه المقالة) من العنوان إلى تفاصيل إضافية. قد تحتوي الأجزاء الأخيرة من المقالة على مواد داعمة مختلفة، أو حالات استخدام، أو فرضيات أو تخمينات حول تداعيات الأخبار.

تحت HARE، إذا كنت لا تحب هذا النوع من المواد، يمكنك التصويت ضده على أساس الفقرة تلو الأخرى، بينما يتعلم النظام تفضيلاتك، بحيث أنه بحلول الوقت الذي تصل إليه، يكون المحتوى المماثل للمادة التي “صوتت ضدها” قد أُزيل أو أعيد كتابته بالفعل. إذا كنت لا تريد المشاركة الفعالة في تدريب النظام، يمكن لـ HARE استنتاج اختياراتك من خلال مراقبة تفاعلك السلبي مع المستند.

التصويت بنمط تندر للجمل غير المرغبة فيها

في الصورة أدناه، نرى ثلاثة أنواع ممكنة من التصنيف المستنبط لـ HARE، بناءً على سلوك المستخدم الصريح أو الضمني. في الحالة الأولى (اليسار)، يقوم المستخدم “بالتحريك إلى اليسار” (أو اليمين)، في إشارة تصويت بنمط تندر تعبر عن الموافقة أو الكراهية للمحتوى الجمل أو الفقرة، أو أسلوبه أو تعقيداته أو نبرته.

المصدر: https://arxiv.org/pdf/2105.02923.pdf

في الحالة الثانية (الوسط)، يستخدم النظام وقت الإقامة كعامل لقياس اهتمام المستخدم، بناءً على موضع ومدة توقف التمرير.

في الحالة الثالثة (اليمين)، يستخدم HARE كاميرا الهاتف الذكي لتقييم مسار ووقت إقامة موقع نظر المشاهد عبر الفقرات الواضحة في المستندات.

يُدعي الباحثون أن زيادة وقت الإقامة على أي فقرة يمكن أن تشير إلى زيادة اهتمام المستخدم، على الرغم من أن هذا قد لا يكون هو الحال حيث يحاول المشاهد استيعاب نصًا قد يكون معقدًا أو مكتوبًا بشكل سيئ.

ملاحظات المستخدم تعمل على تحرير أو إعادة كتابة أو محو أجزاء المقالة غير المرئية.

معالجة المحتوى مسبقًا وفقًا لتفضيلات المستخدم

تتعامل الورقة مع تجربة المستخدم مع HARE على أساس المقالة، ولكن من الواضح أن التفاعل التاريخي للمستخدم مع المستندات يسمح بتخصيص تجارب القراءة المستقبلية، من خلال التعرف المستمر على أنواع المحتوى وتطبيق تفضيلات المستخدم الم قالبًا على مقالات جديدة، بحيث تقل الحاجة إلى التفاعل随ًا مع رؤية المستخدم لقليل من “المحتوى غير المرغوب فيه”.

HARE يتميز كخوارزمية تلخيص، مما يسمح بتحويل المحتوى غير المرئي في أسفل الصفحة إلى شكله أو إيجاز قبل وصول المستخدم إليه؛ لكن الورقة توضح أن بإمكانه أيضًا إزالة المحتوى مسبقًا بناءً على ملاحظات المستخدم.

لأغراض الاختبار، استخدم النظام مجموعة بيانات من 11,222 مقالًا من صحيفة ديلي ميل البريطانية، وتم تقييمه من خلال نشر تجريبي على تطبيق تليجرام الدردشة. تم إهمال المقالات التي تحتوي على أقل من عشرة فقرات لغرض التجربة.

تطبيق تليجرام HARE في مرحلة الاختبار مع المستخدمين.

استخدمت منهجية الباحثين K-Means clustering على SBERT تعبئة الجمل في المقالات، مع أوزان عشوائية في البداية للمفاهيم المعالَجة.

من بين مجموعة واسعة من الخوارزميات والمناهج، يحتوي HARE على ثلاثة نماذج مقارنة، الأول منها (ORACLEGREEDY) يمتلك وصولًا إلى تفضيلات المستخدم السابقة، مما يشير إلى أن النية هي أن الخوارزمية يمكن أن تعالج المقالات مسبقًا عند التحميل، بدلاً من التفاعل.

النماذج الأخرى، ORACLESORTED وORACLEUNIFORM، تختار الجمل بناءً على مستوى الاهتمام أو بشكل عشوائي في جميع أنحاء المقالة، على التوالي.

إزالة المحتوى واعادة كتابته

من المثير للدهشة أن ORACLEUNIFORM قد تفوق على مجموعة التحكم، على الرغم من أنه لا يمتلك وصولًا إلى اهتمامات المستخدم السابقة. يُدعي الباحثون أن هذا يعود إلى أنه يتعامل مع المقالة بأكملها في خطوة واحدة، “اختيار الجمل الأكثر إثارة للاهتمام فقط”. يُقر الباحثون بأن هذا قد يحد من المحتوى المتاح إلى الجمل التي تتعامل فقط مع المفهوم الأكثر أهمية، مما يؤدي إلى إزالة النصوص الأخرى التي قد تتعامل مع تداعيات أو تقييم المفهوم.

تم استخدام ملخصات استخراجية في HARE هي LexRank وSumBasic وTextRank.

تم اختبار HARE على 13 متطوعًا على مدار 70 تجربة ونهج خوارزمي مختلف، وقام بتحديث الملخصات (النص المعدل أو المحذوف) في مكان ما بين 1.3 ملي ثانية و100 ملي ثانية على جهاز لابتوب من الدرجة الاستهلاكية، اعتمادًا على النموذج الذي يتم اختباره. وجدت النتائج أن النماذج التي أزالت معظم النص لم تؤد بشكل جيد، chủ yếu لأن هذا يمكن أن يؤثر على تماسك النص المتبقي.

الآثار الأخلاقية لتعديل المقالة الديناميكي

يُقر الباحثون بالقلق الأخلاقي حول تقنيات من هذا النوع:

‘مهمة HARE مخصصة لتصميم تطبيقات المستخدم في المستقبل. من خلال التصميم، تتمتع هذه التطبيقات بالقدرة على التحكم في ما يقرأه المستخدم من مقال معين. من الممكن أن تزيد هذه الأدوات من تأثير “غرفة الصوت” الذي تنتجه الأخبار الآلية والنتائج البحثية والمجتمعات الموجودة على الإنترنت، عند نشرها بدون عناية كافية.’

然而، يُشيرون أيضًا إلى أن نظامًا كهذا يمكن استخدامه في تطبيقات مستقبلية لتخفيف تأثير “غرفة الصوت” عن طريق إضافة نص يطرح وجهات نظر بديلة قد لا تكون موجودة في المقالة في البداية. يُلاحظون: ‘يمكن ضبط وزن هذا العامل لتوفير تجربة قراءة ممتعة وتعرض لمجموعة متنوعة من الأفكار.’

من المرجح أن يستفيد القراء الذين يريدون توفير الوقت في استيعاب المعلومات، والناشرون، من نظام كهذا.

في المقال، يلاحظون: ‘يمكن ضبط وزن هذا العامل لتوفير تجربة قراءة ممتعة وتعرض لمجموعة متنوعة من الأفكار.’那些 الذين من المحتمل أن يستفيدوا من نظام كهذا، وفقًا للباحثين، هم القراء الذين يريدون توفير الوقت في استيعاب المعلومات، والناشرون.