FIRMED يخفف ضوضاء بيانات المشاعر عبر التركيز على القمم الانفعالية

لماذا قد يكون تصنيف الفيديو كاملاً مضللاً؟

تمنح كثير من مجموعات بيانات المشاعر المستحثة بالفيديو تصنيفاً واحداً لكل التجربة. لكن المشاعر لا تسير بهذه الطريقة عادةً؛ فقد يتضمن المقطع الواحد لحظة خوف قصيرة، أو مفاجأة عابرة، أو أكثر من رد فعل، تتخللها فترات من الترقب أو الحياد. وعندما تُسند التسمية نفسها إلى جميع البيانات الفسيولوجية المسجلة أثناء الفيديو، تختلط القمة الانفعالية بإشارات لا تعبّر عن الشعور المستهدف. وتُعرف هذه المشكلة باسم ضوضاء الوسوم الزمنية. 42

يحاول FIRMED، وهو اختصار لـ Fine-grained Immediate Recall-based Multimodal Emotion Dataset، معالجة هذه المشكلة عبر نقل التصنيف من مستوى الفيديو بأكمله إلى مستوى الحدث الانفعالي المحدد. وبدلاً من مطالبة المشارك بإصدار حكم واحد بعد انتهاء المقطع، تركز الطريقة على اللحظة التي يتذكر فيها أنه شعر بانفعال بارز لأول مرة. 5

كيف تعمل إعادة التشغيل الفورية؟

تتكون الآلية من خطوتين أساسيتين:

1. يشاهد المشارك الفيديو التجريبي.
2. بعد انتهائه مباشرة، يُعاد تشغيل الفيديو، ويشير المشارك إلى اللحظة التي يتذكر بدء استجابته الانفعالية فيها.

وخلال إعادة التشغيل، تُسجل ثلاثة عناصر: الطابع الزمني للحدث، وفئة الشعور، وشدته. وتشمل الفئات الموثقة السعادة والحزن والغضب والخوف والاشمئزاز والمفاجأة، فيما تُقسم الشدة إلى منخفضة ومتوسطة ومرتفعة. 9

الفكرة هي الاستفادة من الذاكرة الفورية قبل أن تبتعد التجربة عن المشارك، مع الاحتفاظ بوسم يمكن ربطه بإشارات متزامنة مثل تخطيط الدماغ الكهربائي، وتوصيل الجلد، والسلوك. وبهذا لا يُعامل كل جزء من الفيديو على أنه «خوف» أو «سعادة»، بل تُسجل القمة الانفعالية كحدث له وقت محدد.

لماذا اختيرت نافذة مدتها أربع ثوانٍ؟

يبني FIRMED كل حدث حول مقطع مدته أربع ثوانٍ: ثانيتان قبل اللحظة التي حددها المشارك وثانيتان بعدها. وتسمح هذه النافذة بالتقاط التغير الفسيولوجي المحيط بالحدث، من دون إدخال قدر كبير من الإشارات القادمة من أجزاء أخرى من الفيديو.

فالنافذة القصيرة جداً قد تفوّت مقدمات الاستجابة أو آثارها المباشرة، بينما قد تخفف النافذة الطويلة من وضوح الحدث بإضافة بيانات لا ترتبط بالشعور المبلغ عنه. وتعرض تحليلات الاستبعاد في الدراسة هذا التوازن بوصفه سبباً لاختيار النافذة المختصرة.

وبحسب النتائج الموصوفة، أدت النوافذ الأطول إلى إشارات أقل تمايزاً للمفاجأة والاشمئزاز، وأضعفت تثبيط نشاط ألفا المرتبط بالخوف، كما قللت وضوح نشاط غاما المرتبط بالسعادة. وتشير هذه الملاحظات إلى أن النموذج قد يستفيد أكثر عندما تتطابق التسمية مع حدث عاطفي صغير ومحدد، بدلاً من توزيعها على مقطع كامل. 42

كيف فُحصت جودة الوسوم؟

لم تعتمد الدراسة على الذاكرة الذاتية وحدها. فقد بحثت أيضاً فيما إذا كانت القمم التي أبلغ عنها المشاركون تتزامن مع تغيرات في الإشارات الفسيولوجية، بما في ذلك إشارات EEG وتوصيل الجلد. وتقدم هذه المقارنة الفسيولوجية وسيلة لاختبار ما إذا كان الحدث المتذكر يترك أثراً قابلاً للرصد في الجسم. 42

لكن يجب التمييز بين أمرين: فالتوافق بين التقرير الذاتي والإشارة الفسيولوجية يدعم منهج إعادة التشغيل الفوري، لكنه لا يثبت أن كل طابع زمني حدده المشارك دقيق تماماً. كما أن المواد المتاحة لا تكفي للتحقق من أرقام محددة، مثل قيمة كابا كوهين الدقيقة، أو نسبة دقة التوقيت، أو النتائج الكاملة لمراجعة مستقلة شملت 150 تسجيلاً. لذلك ينبغي الرجوع إلى جداول التحقق الكاملة في البحث قبل نقل تلك الأرقام بوصفها نتائج مؤكدة.

ماذا يتغير في تدريب نماذج التعرف على المشاعر؟

عندما يتلقى النموذج وسمًا واحداً لفيديو طويل، فإنه يتعلم من فترات قد تكون محايدة أو تجمع مشاعر متباينة. أما الوسم المرتبط بقمة انفعالية فيمنحه علاقة أوضح بين الإشارات التي يدخلها إلى النموذج والشعور المطلوب التنبؤ به.

يختبر بحث FIRMED هذه الفكرة بمقارنة الوسوم الدقيقة زمنياً بالتصنيف التقليدي الخشن على مستوى التجربة. وتتمثل الرسالة المنهجية الأساسية في أن الإشراف الأكثر دقة قد يحسن التعرف على المشاعر، حتى لو احتوت كل عينة على بيانات أقل من الفيديو الكامل. 42

ولا تتحقق الأدلة المتاحة هنا بصورة موثوقة من التغير المحدد في الدقة من 34.7% إلى 38.5%، ولا من المقارنة التفصيلية بين النماذج التكرارية ونماذج الشبكات العصبية الرسومية. لذلك لا ينبغي تقديم هذه الأرقام كحقائق محسومة استناداً إلى المواد المتاحة فقط.

والدرس الأوسع هو أن زيادة قدرة النموذج الزمنية لا تكفي وحدها. فإذا كانت الوسوم تشير إلى تجربة كاملة بينما لا يظهر الشعور إلا في ثوانٍ قليلة، فقد يتعلم النموذج ضوضاء الوسم بدلاً من نمط عاطفي قابل للتعميم.

أين يمكن أن تظهر أهمية اكتشاف الأحداث الانفعالية؟

قد يؤثر الانتقال من تصنيف المقطع كله إلى اكتشاف الحدث الانفعالي في مجالات عدة:

• التفاعل بين الإنسان والحاسوب: يمكن للواجهة أن تستجيب للحظة ظهور الإحباط أو المفاجأة أو الخوف أو السرور، بدلاً من إسناد حالة واحدة إلى التفاعل بأكمله.
• أبحاث الصحة النفسية: تساعد الطوابع الزمنية على التمييز بين رد فعل عابر ونمط وجداني أوسع، وربط التغيرات الفسيولوجية بمحفزات محددة.
• المراقبة الصحية: قد تجعل النوافذ القصيرة والمتزامنة دراسة توقيت التغيرات الجسدية وما يحفزها أكثر وضوحاً.
• الأجهزة القابلة للارتداء: يمكن مستقبلاً بناء تنبيهات انفعالية تعتمد على حدث محدد، من دون انتظار انتهاء النشاط أو التسجيل كاملاً.

هذه احتمالات بحثية وليست دليلاً على أن FIRMED قدم بالفعل نظام مراقبة سريرياً أو تنبيهات فورية جاهزة للأجهزة القابلة للارتداء. فما تزال هناك أسئلة حول حجم مجموعة البيانات، وقدرتها على التعميم بين الأشخاص والمشاعر والسياقات، ومدى ملاءمة نافذة الأربع ثوانٍ لجميع أنواع الاستجابات الانفعالية.

الخلاصة

يغير FIRMED تعريف الوسم المفيد في التعرف متعدد الوسائط على المشاعر. فبدلاً من افتراض أن للفيديو هوية عاطفية واحدة من بدايته إلى نهايته، يسأل المنهج: متى حدث الانفعال المهم؟ وما فئته؟ وما شدته؟

هذا التحول يجعل البيانات أكثر انسجاماً مع الطبيعة الزمنية للمشاعر، وقد يمنح نماذج التعلم الآلي إشرافاً أنظف وأكثر تركيزاً. لكنه لا يلغي مشكلات التذكر الذاتي أو تفسير الإشارات الفسيولوجية؛ بل يقدم طريقة أدق لربط ما يصفه الإنسان بما يحدث في جسده وما يتعلمه النموذج. 542