تحليل المشاعر: كيف تقيس الحواسيب الحالة النفسية والآراء من النصوص المكتوبة؟

تحويل المشاعر الإنسانية إلى درجات حسابية سهلة المتابعة

في كل دقيقة، ينشر المستهلكون ومستخدمو الإنترنت ملايين المراجعات والتعليقات على منصات التواصل وتذاكر خدمة العملاء وإجابات استطلاعات الرأي. بالنسبة للشركات والمؤسسات الخدمية، تُعد قراءة هذا الطوفان الهائل من النصوص يدوياً ضرباً من المستحيل البشري. ولمواكبة ردود أفعال الجمهور واستخلاص مؤشرات واضحة منها، تعتمد المؤسسات على تحليل المشاعر، وهو فرع من فروع الذكاء الاصطناعي يقرأ النصوص المكتوبة ويحول النبرة العاطفية الإنسانية إلى بيانات رقمية منظمة يمكن قياسها ومتابعتها بسهولة.

اعتمدت أنظمة قياس المشاعر المبكرة على قواميس تصنيف الكلمات الثابتة (المعروفة بالنماذج المعجمية أو Lexicon-based models). كان مهندسو البرمجيات يجمعون قوائم طويلة من المفردات ويمنحون كل كلمة منها وزناً مسبقاً: فكلمات مثل 'ممتاز' أو 'موثوق' كانت تأخذ علامة إيجابية (+1)، بينما تُمنح كلمات مثل 'معطل' أو 'سيء' علامة سلبية (-1). كان البرنامج يمسح الجملة، ويجمع درجات الكلمات حسابياً، ثم يصنف الرسالة كإيجابية أو سلبية أو محايدة بناءً على النتيجة الإجمالية.

سرعان ما انهارت فكرة العد السطحي للكلمات أمام تعقيدات لغتنا اليومية؛ فجملة بسيطة وشائعة مثل 'هذا الهاتف ليس سيئاً على الإطلاق' تحتوي على كلمة 'سيء'، مما كان يدفع النظام التقليدي لتصنيفها كشكوى غاضبة رغم أنها في الحقيقة مدح وإشادة واضحة. ولهذا تخلت الأنظمة الحديثة عن مجرد حصر الكلمات المنعزلة، وانتقلت إلى استخدام شبكات الذكاء الاصطناعي القادرة على فهم سياق الكلام وترتيب الجمل (المعروفة بنماذج المحولات أو Transformers)، والتي تدرس المعنى الكامل للعبارة وما يقصده الكاتب بدقة.

كيف تقيم النماذج الحديثة نوع المشاعر وقوتها

تعالج برامج تحليل المشاعر المعاصرة النصوص عبر عدة طبقات تحليلية متقدمة لتصل إلى المعنى الدقيق:

• تحديد المزاج العام للكلام سلباً أو إيجاباً (المعروف بدرجة القطبية أو Sentiment Polarity): ترتب الآلة الكلمات داخل خريطة رقمية ثلاثية الأبعاد ترتب معاني الكلمات وعلاقاتها الرياضية (تُعرف بفضاء المتجهات أو Vector Space)، حاسبة درجة تتراوح بين -1.0 (سلبي جداً) و +1.0 (إيجابي جداً).
• قياس قوة الشعور وعمقه: مقياس منفصل يقيس حدة العاطفة بغض النظر عن اتجاهها، مميزاً بين الرضا الهادئ في عبارة مثل 'التطبيق يعمل جيداً' والحماس الجارف في عبارة 'هذا التطبيق غير مجرى حياتي تماماً'.
• تفكيك الرأي إلى أجزاء تفصيلية بحسب عناصر المنتج (المعروف بالتحليل القائم على الجوانب أو Aspect-based Sentiment Analysis): تقسيم التعليق الواحد إلى نقاطه المستقلة، كإدراك أن عبارة 'الطعام كان استثنائياً ولذيذاً لكن خدمة التوصيل كانت بطيئة جداً' تجمع بين رضا تام عن جودة الوجبة واستياء صريح من شركة الشحن.
• ربط كل انطباع بالشخص أو الخدمة المقصودة تحديداً (المعروف بربط الكيانات أو Entity-level Sentiment): تمييز المديح أو العتاب الموجه لكل منتج مذكور في الفقرة الواحدة، لمنع الخلط بين الآراء المتباينة في النقاشات التي تتناول عدة مواضيع معاً.

تتجلى الفجوة الكبيرة بين مطابقة الكلمات السطحية والفهم السياقي الذكي في مراجعات الأفلام السينمائية؛ فإذا كتب مشاهد عن فيلم رعب: 'هذا الفيلم المرعب أرعبني من البداية حتى النهاية وجعلني متسمراً في مقعدي من الخوف'، فإن الأنظمة القديمة تصنف كلمتي 'المرعب' و'أرعبني' كدليل على تجربة سلبية سيئة. في المقابل، يدرك النموذج السياقي الحديث أن الشعور بالرعب والإثارة هو الهدف المنشود للمشاهد في هذا النوع من الأفلام بالذات، فيصنف المراجعة بدقة كإشادة حماسية بنجاح العمل.

النقاط العمياء: السخرية والفروق الثقافية وتوزيع الدعم الفني

على الرغم من التطور التقني الهائل، لا تزال برمجيات الفرز والتقييم الآلي (المصنفات أو Classifiers) تواجه صعوبات حقيقية أمام الطبيعة الاجتماعية المتشابكة للتواصل البشري:

• السخرية والتهكم اللغوي: استخدام مفردات تبدو لطيفة ومادحة في ظاهرها للتعبير عن غضب شديد، مثل: 'رائع جداً، تأخرت الرحلة ثلاث ساعات للمرة الثانية هذا الأسبوع!'، وهو ما يخدع البرامج الآلية بسهولة ويجعلها تحسب التعليق إيجابياً.
• التعبيرات الاصطلاحية واللهجات الدارجة: عبارات المدح والثناء الشبابية قد تحتوي على كلمات توحي ظاهرياً بالصدمة، مما يجعل البرامج الجامدة تسجلها بالخطأ كتعليقات عدوانية.
• تشويه أولويات خدمة العملاء: عندما ترتب الأنظمة تذاكر الشكاوى بحسب حدة الغضب، قد ينتظر العميل المهذب الذي يكتب شكواه بهدوء طويلاً، بينما يقفز العميل الغاضب الذي يصرخ في رسالته إلى مقدمة الطابور لمجرد رصد درجات انفعال عالية.
• الفروق الإقليمية في كشف العواطف: تظهر الدراسات أن النصوص المكتوبة بلهجات محلية قد تصنف أحياناً على أنها أكثر حدة أو خشونة، نتيجة عدم توازن نصوص التدريب الأصلية التي تعلمت منها الآلة.

يمد تحليل المشاعر المؤسسات بنبض سريع ومفيد حول اتجاهات الرأي العام، لكن التواصل العاطفي البشري يظل مساحة بالغة الخصوصية والتركيب. ويذكرنا فهم طريقة عمل هذه الأدوات بأن البرمجيات، مهما بلغت براعتها في إحصاء الكلمات وحساب الاحتمالات الرياضية، فإن التعاطف الحقيقي والفهم العميق لسياق الحديث يظلان مهارة إنسانية خالصة لا يمكن للآلة استبدالها.