في عالم الصحة النفسية، تُعتبر الانحرافات المعرفية (Cognitive Distortions) من المظاهر الأكثر تعقيداً والتي ترتبط ارتباطاً وثيقاً ببعض الاضطرابات النفسية. وفي الوقت الذي تمثل فيه هذه الانحرافات تحدياً للكثير من المتخصصين، جاء فريق من الباحثين بفكرة مبتكرة تهدف إلى تحسين عملية الكشف التلقائي عنها.

يقترح الباحثون إطاراً جديداً يجمع بين نماذج اللغة الكبيرة (Large Language Models) ونموذج التعلم متعدد الحالات (Multiple-Instance Learning)، مما يعزز من قابلية التفسير ومستوى التعبير في عملية الكشف عن هذه الانحرافات. يتضمن النظام المبتكر تحليل كل عبارة إلى ثلاثة مكونات: العواطف (Emotion) والمنطق (Logic) والسلوك (Behavior)، حيث يتم معالجة كل مكون باستخدام نماذج اللغة الكبيرة لاستنتاج عدة حالات من الانحرافات، مع تقديم نوع كل منها وتعبيرها ونقاط الأهمية المحددة من قبل النموذج.

بالإضافة إلى ذلك، يعمل النظام على دمج تلك الحالات عبر آلية انتباه متعددة الآراء (Multi-View Gated Attention) للحصول على تصنيف نهائي أكثر دقة.

أظهرت التجارب التي أجريت على مجموعات بيانات كورية وإنجليزية فعالية هذا النظام، حيث أظهرت النتائج تحسناً ملحوظاً في أداء التقييم، خاصةً في حالات الانحرافات ذات الغموض التفسيري العالي. هذه النتائج تشير إلى أن النظام الجديد يقدم مقاربة نفسية مثبتة وقابلة للتعميم في مجال معالجة اللغة الطبيعية الخاصة بالصحة النفسية، مما يجعل الوصول إلى هذه الحلول المتطورة متاحاً للجميع.

كما أن تفاصيل مجموعة البيانات وآلية التنفيذ متاحة للجمهور، مما يعزز من فرص الاستخدام والبحث المستقبلي في هذا المجال المتنامي.