بدأ المشروع من تحدٍ عملي: صعوبة مراجعة العدد الكبير من فيديوهات TikTok المُبلّغ عنها يدويًا. كان الهدف بناء نموذج يميز بين Claims وOpinions لتحديد أولويات المراجعة البشرية.

بدأت بتحليل البيانات، وكشف التحليل عن ارتباط قوي بين التصنيف ومؤشرات التفاعل، مثل المشاهدات والإعجابات والمشاركات والتنزيلات. بعد تجهيز البيانات وتحويل المتغيرات النصية، بنيت نموذجين للتصنيف باستخدام Random Forest وXGBoost.

ركزت المقارنة على Recall لفئة Claims لتقليل الحالات التي قد تُستبعد من أولوية المراجعة. حقق النموذجان أداءً مرتفعًا على بيانات التحقق، واختير Random Forest لتفوقه الطفيف في Recall. وعلى بيانات اختبار مستقلة، صنّف النموذج 3,812 من أصل 3,817 حالة بشكل صحيح، مع 5 أخطاء فقط.

حللت أهمية المتغيرات، فكانت مؤشرات التفاعل أبرز العوامل التنبؤية. ومع ذلك، يتطلب التطبيق الواقعي اختبار النموذج على بيانات جديدة ومراقبة تغير سلوك المستخدمين، خاصةً أن البيانات تعليمية ويعتمد النموذج بدرجة كبيرة على التفاعل.

Tools: Python, Pandas, NumPy, Scikit-learn, XGBoost, Matplotlib, Seaborn.