کتاب صوتی کاهش سوگیری زبانی در تشخیص توییت‌های مضر با رویکرد گویش‌محور

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاهش سوگیری زبانی در تشخیص توییت‌های مضر با رویکرد گویش‌محور

موضوع کلی: پردازش زبان طبیعی و تحلیل محتوای متنی

موضوع میانی: تشخیص محتوای مضر در شبکه‌های اجتماعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تشخیص محتوای مضر در شبکه‌های اجتماعی
• 2. چالش‌های تعریف «مضر» در پلتفرم‌های دیجیتال
• 3. نقش زبان و گویش در طبقه‌بندی محتوا
• 4. آشنایی با سوگیری الگوریتمی در مدل‌های پردازش زبان طبیعی
• 5. سوگیری نژادی و زبانی در داده‌های برچسب‌گذاری شده
• 6. مروری بر کتاب Differential Tweetment و رویکرد گویش‌محور
• 7. مبانی تحلیل گویش در متون شبکه‌های اجتماعی
• 8. تفاوت گویش آفریقایی-آمریکایی (AAE) با انگلیسی استاندارد آمریکایی
• 9. تأثیر بافت فرهنگی و گویشی بر معنای کلمات
• 10. روش‌های جمع‌آوری داده‌های توییت با برچسب گویش
• 11. پیش‌پردازش متن و عادی‌سازی گویش‌ها
• 12. مهندسی ویژگی برای تشخیص گویش در متن
• 13. مدل‌های یادگیری ماشین برای طبقه‌بندی محتوای مضر
• 14. معرفی معماری‌های مبتنی بر ترانسفورمر (BERT، RoBERTa)
• 15. آموزش مدل جداگانه بر اساس گویش (Dialect-Specific Models)
• 16. روش فیلترینگ تطبیقی با گویش (Dialect-Aware Filtering)
• 17. کاهش سوگیری با داده‌های متوازن گویشی
• 18. تکنیک‌های افزایش داده (Data Augmentation) برای گویش‌ها
• 19. ارزیابی سوگیری در عملکرد مدل‌های موجود
• 20. معیارهای سنجش سوگیری (Demographic Parity، Equal Opportunity)
• 21. تحلیل خطاهای مدل بر اساس گروه‌های گویشی
• 22. راهکارهای تصحیح برچسب در داده‌های آموزشی
• 23. تأثیر حاشیه‌نویسان انسانی بر سوگیری گویشی
• 24. طراحی دستورالعمل‌های بی‌طرفانه برای برچسب‌گذاری
• 25. استفاده از یادگیری نیمه‌نظارتی برای داده‌های کم‌نماینده
• 26. روش‌های وزن‌دهی مجدد به نمونه‌های گویشی
• 27. مدل‌های چندوظیفه‌ای برای تشخیص هم‌زمان گویش و محتوای مضر
• 28. تأثیر نرمال‌سازی املایی بر کاهش سوگیری
• 29. بررسی حساسیت مدل به کلمات کلیدی خاص گویش
• 30. روش‌های تفسیرپذیری مدل برای شناسایی سوگیری
• 31. مطالعه موردی: تشخیص توییت‌های نژادپرستانه با سوگیری گویشی
• 32. مطالعه موردی: تشخیص زبان توهین‌آمیز در گویش‌های غیراستاندارد
• 33. ابزارهای متن‌باز برای تحلیل گویش (Linguistic Inquiry and Word Count)
• 34. معرفی پایگاه‌داده‌های برچسب‌گذاری شده چندگویشی
• 35. تکنیک‌های یادگیری انتقالی برای گویش‌های کم‌منبع
• 36. مدل‌های زبانی بزرگ و سوگیری گویشی
• 37. استراتژی‌های پس‌پردازش برای کاهش سوگیری خروجی
• 38. ارزیابی انسانی خروجی مدل با مشارکت گویشوران
• 39. اخلاق در طراحی سیستم‌های تشخیص محتوای مضر
• 40. شفافیت و پاسخگویی در الگوریتم‌های محتوایی
• 41. سیاست‌گذاری پلتفرم برای کاهش تبعیض الگوریتمی
• 42. آینده پژوهش در کاهش سوگیری زبانی در تشخیص محتوای مضر