بقلم: د. محمود السعيد – نائب رئيس جامعة القاهرة
في المقال الأخير ضمن سلسلة المقالات التي تتناول موضوعًا على قدرٍ كبيرٍ من الأهمية، وهو الاستخدام المسؤول لتقنيات الذكاء الاصطناعي في البحث العلمي، تم استعراض التطبيقات الذكية التي وردت في الإصدار الثالث من اللائحة الاسترشادية الصادرة عن المجلس الأعلى للجامعات، حيث تم تحديد عددًا من التطبيقات الموثوقة التي يمكن للباحث أن يستفيد منها في مختلف مراحل إعداد البحث أو الرسالة، بشرط أن يلتزم بمبادئ النزاهة الأكاديمية والشفافية العلمية عند استخدامها. وقد أشارت اللائحة إلى خمس أدوات ذكية هي من أبرز تطبيقات الذكاء الاصطناعي الموجهة للبحث العلمي، وهي كالتالي:
GPT-5 Research Assistant، Semantic Scholar، Dimensions.ai، Scopus AI Insights، Connected Papers، وResearch Rabbit.
في المقال السابق، تناولنا بالتفصيل التطبيق الأول GPT-5 Research Assistant، واستعرضنا كيفية توظيفه بفاعلية في جمع البيانات وتحليلها وتوليد الأفكار البحثية ومراجعة البحث وتحريره، مع الحفاظ على مبادئ الأمانة والنزاهة العلمية. أما في هذا المقال، فننتقل إلى التطبيق الثاني في هذه المجموعة المتميزة من التطبيقات الذكية، وهو تطبيق سيمانتيك سكولار (Semantic Scholar). يُعد هذا التطبيق أحد أكثر أدوات البحث الأكاديمي تطورًا واستخدامًا في البحث عن المصادر العلمية المرتبطة بموضوع الدراسة بطريقة ذكية، حيث يعتمد على تقنيات معالجة اللغة الطبيعية (NLP) وخوارزميات الفهرسة الدلالية لفهم المفردات الخاصة بموضوع البحث التي يدخلها الباحث للتطبيق، ثم يقوم باستخراج المصادر في الأدبيات السابقة مرتّبة طبقاً لمدى ارتباطها بموضوع البحث ومدى أهميتها، مع إبراز الروابط بين الأبحاث والموضوعات ذات الصلة. هذا التطبيق الذكي الهام تم تطويره من قِبل معهد ألين للذكاء الاصطناعي ليكون محرك بحث علمي متقدم قائم على خوارزميات الذكاء الاصطناعي، ويخدم الباحثين في مختلف فروع المعرفة وفي كل القطاعات.
وعلى الرغم أن معظم الباحثين يعتمدون تقليديًا على موقع جوجل سكولار (Google Scholar) للبحث عن المصادر والمراجع الأكاديمية، لكن سيمانتيك سكولار يتميز عنه بقدرته على الذهاب أبعد من مجرد الحصول على العناوين أو المستخلصات الخاصة بالمصادر المرتبطة بالأدبيات السابقة. فتطبيق سيمانتيك سكولار يسعى إلى تحليل المضمون العلمي للأوراق البحثية، واستخلاص العلاقات الخفية بين المفاهيم، بما يساعد الباحث على فهم أعمق لاتجاهات البحث ومواضع التأثير في مجاله العلمي. ولا يقتصر عمل هذا التطبيق الذكي على البحث المنطقي أو استخدام خوارزميات الفهرسة الدلالية، بل يقوم على تحليل السياق الدلالي للنصوص، عن طريق فهم العلاقة بين الكلمات داخل الجمل والعبارات، مما يمكّنه من تحديد الموضوع الحقيقي الذي يبحث عنه الباحث.
فعلى سبيل المثال، يمكن لباحث في موضوع التجارة الدولية أن يدخل كلمات مثل “حرة” و*”تجارة”* و*”اقتصادي”* و*”نمو”*، فيقوم التطبيق بتحليل الترابط الدلالي بين هذه المصطلحات لاسترجاع الدراسات التي تناولت العلاقة بين التجارة الحرة والنمو الاقتصادي، وليس مجرد الأوراق التي وردت فيها هذه الكلمات بشكل عرضي في المقال. كما يتيح التطبيق أيضاً إمكانية استخدام اللغة الطبيعية في صياغة الاستفسارات، تمامًا كما يفعل الباحث في حديثه اليومي، وهو ما يجعل عملية البحث أكثر مرونة وفاعلية، فعلى عكس محركات البحث التقليدية التي تستخدم بعض الكلمات المفتاحية في البحث عن المصادر، يتميز سيمانتيك سكولار بقدرة عالية على فهم المعنى الكامن وراء الكلمات والعبارات الطبيعية التي يدخلها الباحث، وبالتالي العثور على الأبحاث ذات الصلة حتى لو لم تستخدم المصطلحات الرسمية المتعارف عليها بين الباحثين. كما أن هذا التطبيق يعتمد على بنية معقدة من الرسوم البيانية المعرفية (Knowledge Graphs) تشمل قواعد بيانات ضخمة مثل Microsoft Academic Knowledge Graph و Springer Nature SciGraph إلى جانب قاعدة بيانات سيمانتيك سكولار الخاصة، مما يعزز دقة نتائج البحث عن المصادر وجودتها.
وختاماً نؤكد أن تطبيق سيمانتيك سكولار ليس مجرد محرك بحث أكاديمي للبحث عن مصادر علمية بطرق تقليدية، بل هو أداة تحليل معرفي ذكية تمكّن الباحثين من استكشاف الأدبيات المرتبطة بموضوع بحثه من منظور جديد، قائم على الفهم العميق للعلاقات بين الأفكار والحقائق والكلمات الطبيعية، مما يجعله ركيزة أساسية لأي باحث يسعى لاستخدام الذكاء الاصطناعي بطريقة مسؤولة وفعالة في مسيرته العلمية.
