معالجة العربية ولهجاتها
مجموعات بيانات ونماذج تفهم العربية كما تُكتب فعلًا على الإنترنت، بلهجاتها وطرائق كتابتها وتناوبها بين اللغات.
- تمييز اللهجات
- لغات قليلة الموارد
- العربيزي
البحث
الأبحاث والمنشورات
أدرس كيف تتعامل تقنيات اللغة مع العربية بكل تنوّعها، وكيف تنتقل المعلومات — والمعلومات المضلّلة — عبر الإعلام الناطق بالعربية. تجد أدناه مجالات عملي الأساسية، والمشاريع التي أقودها حاليًا، والقائمة الكاملة لمنشوراتي.
مجالات البحث
التضليل والإعلام
كيف تنتشر الادعاءات الزائفة عبر المنصات الناطقة بالعربية، ولماذا تُخفق أدوات الكشف المدرّبة على الإنجليزية في رصدها.
- التحقق من الأخبار
- تحليل الشبكات
- دراسات المنصات
أخلاقيات الذكاء الاصطناعي وحوكمته
تدقيق تقنيات اللغة بحثًا عن التحيّز، والمساهمة في سياسات لا تجعل العالم الناطق بالعربية أمرًا ثانويًا.
- تدقيق الخوارزميات
- إدارة المحتوى
- حوكمة البيانات
الإنسانيات الرقمية والأرشيف
مناهج حاسوبية لقراءة الصحف العربية التاريخية وحفظ السجل الرقمي للمنطقة.
- التعرف الضوئي على الحروف
- أرشفة الويب
- المدوّنات التاريخية
المشاريع الحالية
أعمال ممولة قيد التنفيذ، بالتعاون مع باحثين من أربع مؤسسات.
«لهجة»: مدوّنة مفتوحة للعربية اليومية
بناء مدوّنة من 40 مليون كلمة من العربية المحكية في 18 دولة، مجموعة بموافقة أصحابها، مع أدوات للباحثين والشركات الناشئة.
- بتمويل من المؤسسة الإقليمية للعلوم
- 2024 – 2027
- بالشراكة مع جامعة نورثبريدج ومعهد المغرب للغات
خرائط الشائعات
تتبّع انتقال المعلومات الصحية المضلّلة عبر تطبيقات المراسلة العربية خلال الأزمات الصحية، واختبار تدخلات بالتعاون مع مدقّقي الأخبار.
- بتمويل من صندوق المعلومات المفتوحة
- 2025 – 2026
- بالشراكة مع ثلاث غرف أخبار إقليمية للتحقق
غرفة القراءة
التعرّف الضوئي والبحث في 120 ألف صفحة من صحف بلاد الشام (1908–1948)، متاحة الآن مجانًا للمؤرخين.
- بتمويل من برنامج مستقبل التراث
- 2021 – 2024
- بالشراكة مع وحدة الرقمنة في المكتبة الوطنية
المنشورات
ابحث بالعنوان أو اسم المؤلف المشارك أو جهة النشر، وانسخ مرجع BibTeX بنقرة واحدة.
عرض 10 من 10
2026
مقال في مجلةDialect-Aware Misinformation Detection for Arabic Social Media
L. Haddad, O. Nasser, J. Kim
Journal of Computational Media Studies, 12(2)
DOIالاستشهادات: 41Misinformation classifiers for Arabic are overwhelmingly trained on Modern Standard Arabic, yet most viral claims circulate in dialect. We introduce a benchmark of 38,000 fact-checked claims across nine dialect groups and show that dialect-aware pre-training reduces false negatives by 31% relative to strong multilingual baselines.
2025
ورقة مؤتمرأفضل ورقةLAHJA: A Consent-Based Corpus of Everyday Written Arabic
L. Haddad, S. Benali, R. Aziz, M. Farouk
Proceedings of the Arabic NLP Conference (ArabicNLP 2025)
DOIالاستشهادات: 87We describe the design and first release of LAHJA, a 12-million-word corpus of dialectal Arabic contributed by 4,100 volunteers with explicit, revocable consent. We detail our collection protocol, annotation scheme, and baseline results for dialect identification and sentiment analysis.
2025
مقال في مجلةالتحيّز اللهجي في النماذج اللغوية الكبيرة: دراسة تجريبية على خمس لهجات عربية
ل. حدّاد، ع. الخطيب
مجلة اللسانيات العربية الحاسوبية، المجلد 7، العدد 1
DOIالاستشهادات: 23تقيس هذه الدراسة أداء خمسة نماذج لغوية كبيرة على مهام الفهم والتوليد بخمس لهجات عربية، وتُظهر فجوة في الأداء تصل إلى 24 نقطة بين الفصحى واللهجات المغاربية. نقترح إطارًا للتقييم العادل بين اللهجات ونناقش أثره على الخدمات الرقمية الحكومية.
2024
ورقة مؤتمرAuditing Content Moderation in Arabic: Evidence from Three Platforms
L. Haddad, T. Ofori, D. Mansour
Proceedings of the ACM Conference on Fairness in Computing (FairComp '24)
DOIالاستشهادات: 112Using 60,000 paired posts, we measure how automated moderation systems treat equivalent content written in English, Modern Standard Arabic, and Levantine Arabic. Dialectal posts were removed at 2.3× the rate of their English equivalents, with disproportionate impact on news and advocacy accounts.
2024
مقال في مجلةReading the Levantine Press at Scale: OCR, Search, and the Historian's Workflow
L. Haddad, N. Sayegh
Digital Scholarship in the Humanities, 39(4)
DOIالاستشهادات: 34We report on a three-year collaboration to digitise 120,000 pages of Levantine newspapers (1908–1948). Beyond character error rates, we examine how historians actually search and cite OCR'd sources, and propose design principles for archives serving Arabic-script collections.
2023
فصل في كتابLanguage Technology and the Politics of the Standard
L. Haddad
In A. Rahman & P. Cole (Eds.), The Handbook of Language and Digital Society. Meridian Academic Press
DOIالاستشهادات: 58This chapter traces how decisions about which variety of Arabic to support — in keyboards, spell-checkers, and machine translation — encode older debates about authenticity, nationhood, and modernity, and argues for a pluralist approach to language technology design.
2023
مقال في مجلةانتشار الشائعات الصحية عبر تطبيقات المراسلة: تحليل شبكي لمجموعات عربية مفتوحة
ل. حدّاد، ي. العمري، هـ. سليمان
المجلة العربية لبحوث الإعلام والاتصال، العدد 42
DOIالاستشهادات: 45تحلل الدراسة 1.2 مليون رسالة في 340 مجموعة مراسلة عامة ناطقة بالعربية، وتحدد أنماط انتشار الادعاءات الصحية الزائفة ودور «العُقد الجسرية» في نقلها بين المجتمعات. تقدم النتائج توصيات عملية لمنصات التحقق.
2022
ورقة مؤتمرBeyond Script: Normalising Arabizi for Downstream NLP
R. Aziz, L. Haddad
Findings of the Conference on Empirical Methods in Language Processing
DOIالاستشهادات: 96Arabizi — Arabic written in Latin characters and numerals — remains widespread yet poorly supported. We release a parallel Arabizi–Arabic corpus and a character-level transliteration model that improves downstream sentiment classification by 14 F1 points.
2021
كتابWritten Voices: Variation and Identity in Online Arabic
L. Haddad
Northbridge University Press
الاستشهادات: 214Drawing on a decade of data from forums, blogs, and social media, this book shows how Arabic speakers use spelling, script, and dialect online to signal identity and belonging — and what this means for the technologies that attempt to read them.
2019
مقال في مجلةFine-Grained Dialect Identification with Hierarchical Classifiers
L. Haddad, K. Lindqvist
Transactions on Language Resources, 7
DOIالاستشهادات: 305We present a hierarchical approach to identifying Arabic dialects at the city level, combining regional and local classifiers. The model reaches 71% accuracy across 25 cities and remains a widely used baseline.