| 520 |
|
|
|a هدفت الدراسة الحالية إلى التحقق من تأثير عدد من العوامل الديموغرافية على العلاقة بين إدمان وسائل التواصل الاجتماعي والاتجاهات نحو التطرف، والتحقق من تأثير الاختلافات الثقافية للجنسيات السعودية والمصرية والسودانية، على كل من إدمان وسائل التواصل الاجتماعي والاتجاه نحو التطرف، كما هدفت إلى التحقق من إمكانية استخدام نماذج التعلم الآلي التنبؤ بشكل فعال بالاتجاه نحو التطرف ومعرفة أي من عوامل إدمان وسائل التواصل الاجتماعي الأكثر تنبؤاً بالاتجاه نحو التطرف، وأخيراً معرفة أكثر أساليب التعلم الآلي مناسبة من حيث قدرته على وضع نموذج والتنبؤ بالعلاقة بين إدمان وسائل التواصل الاجتماعي والاتجاه نحو التطرف، وقد تكونت عينة الدراسة من (352) طالبًا (123 من الذكور، 229 من الإناث)، بمتوسط عمر (20,1) عاماً وانحراف معياري (0,99)، وقد اشتملت أدوات الدراسة على مقياس إدمان وسائل التواصل الاجتماعي إعداد شانواز وريحمان (Shahnawaz & Rehman, 2020) ترجمه وأعده للعربية الباحثان الحاليان، ومقياس الاتجاه نحو التطرف من إعداد أوزر وبيرتيلسين (Ozer & Bertelsen, 2018)، ترجمه وأعده للعربية الباحثان الحاليان، وخلصت الدراسة إلى مجموعة من النتائج وهي: أبرزت التحليلات الديموغرافية وجود فروق في أداء النماذج على أساس نوع الجنس والتخصص الدراسي، كما أظهرت التحليلات الإحصائية فيما يخص التصنيف على أساس الجنسية تأثير العوامل الثقافية، بمستويات متفاوتة من الدقة بين المشاركين السعوديين والمصريين والسودانيين، كما كشف تحليل Random Forest عن الدور المحوري لعوامل الإدمان في التنبؤ بالاتجاه نحو التطرف بين طلاب الجامعات، ومن الجدير بالذكر أن عوامل مثل الانتكاس والصراع الناجم عن إدمان وسائل التواصل الاجتماعي ظهرت كمنبئات مؤثرة للغاية، ووجد أن عوامل التحمل والبروز والانسحاب وتعديل المزاج يساهم بشكل كبير في التنبؤ بالاتجاه نحو التطرف، أيضا كشف التحليل باستخدام نماذج SVM وANN عن صورة واضحة حول القدرات التنبؤية لإدمان وسائل التواصل الاجتماعي والمتغيرات الديموغرافية بالاتجاه نحو التطرف، وفي حين أظهر كلا النموذجين دقة معقولة، أظهر نموذج ANN أداءً أفضل قليلاً، مما يسلط الضوء على قدرته على التقاط أنماط معقدة في البيانات.
|b The current study aimed to investigate the impact of several demographic factors such as gender and academic specialization (scientific vs. literary) on the relationship between social media addiction and attitude toward extremism. It also aimed to examine the influence of cultural differences among Saudi, Egyptian, and Sudanese nationalities on both social media addiction and attitude toward extremism. Additionally, the study aimed to assess the effectiveness of using machine learning models in predicting attitude toward extremism based on social media addiction. Furthermore, it sought to identify which factors of social media addiction are the most predictive of attitude toward extremism. Finally, the study aimed to determine the suitability of various machine learning models in modeling and predicting the relationship between social media addiction and attitude toward extremism. The study sample consisted of (352) college students (123 males, 229 females) with an age mean of 20.1 years and a standard deviation of 0.99, selected by available method. The study tools included the social media addiction scale by Shahnawaz and Rehman (2020), translated and adapted into Arabic by the current researchers, and the attitude toward extremism scale by Ozer and Bertelsen (2018), also translated and adapted into Arabic by the current researchers. The study yielded several results, including the following: Demographic analyses highlighted differences in model performance based on gender and academic specialization. It is worth noting that the models achieved perfect classification accuracy for male participants and for both scientific and literary disciplines, indicating that attitude toward extremism may manifest differently across these demographic groups. Also, Classification results based on nationality emphasized the influence of cultural factors. It was also found that Random Forest analysis revealed the pivotal role of addiction factors in predicting attitude toward extremism among college students. notably, factors such as relapse and conflict resulting from social media addiction emerged as highly influential predictors, underscoring the importance of these aspects in understanding attitude toward extremism. Additionally, tolerance, salience, withdrawal, and mood modification factors were found to significantly contribute to predicting attitude toward extremism. These results confirm a multifaceted and intricate relationship between individual social media addiction factors and attitude toward extremism. Moreover, the analysis using SVM and ANN models revealed a clear picture of the predictive capabilities of social media addiction and demographic variables on attitude toward extremism. While both models showed reasonable accuracy, the ANN model demonstrated slightly better performance, highlighting its ability to capture complex patterns in the data.
|
