📄 الاتصال والتعليم العلمي

AI in Practice: A Multilingual Survey of 2025 BioHackathon Participants

تقدم هذه الورقة مجموعة بيانات استقصائية متعددة اللغات من 105 مشاركين في مسابقة "DBCLS BioHackathon" لعام 2025 في اليابان، توضح بالتفصيل أنماط استخدام الذكاء الاصطناعي، والتحديات، والخصائص الديموغرافية عبر مجالات علم الجينوم والمعلوماتية الحيوية، مصحوبة ببيانات منظمة ووثائق لدعم الأبحاث حول اعتماد الذكاء الاصطناعي في العلوم.

المؤلفون الأصليون: Sriwichai, N., Feriau, L., Tongyoo, P., Noda, Y., Gyoji, H., Noisagul, P., Goto, S., Steinberg, D., Wangsanuwat, C.

نُشر 2026-03-27

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Sriwichai, N., Feriau, L., Tongyoo, P., Noda, Y., Gyoji, H., Noisagul, P., Goto, S., Steinberg, D., Wangsanuwat, C.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

تخيل "هاكاثون" ضخمًا وعالميًا (ماراثون للبرمجة والعلوم) حيث يجتمع أفضل خبراء المعلوماتية الحيوية في العالم لحل مشكلات معقدة في علم الوراثة والأحياء. في عام 2025، أقيم هذا الحدث في اليابان. ولكن بدلاً من مجرد النظر إلى الأكواد التي كتبوها، قررت مجموعة من الباحثين طرح سؤال مختلف: "كيف تستخدمون الذكاء الاصطناعي فعليًا في عملكم اليومي؟"

هذه الورقة البحثية هي "شهادة تقييم" و"خريطة كنز" لهذا التحقيق. إليك قصة ما وجدوه، مشروحة ببساطة.

1. الصورة الكبيرة: "نبض" متعدد اللغات

تخيل مجتمع "BioHackathon" كحي سكني ضخم ومتنوع. البعض يتحدث الإنجليزية، والبعض اليابانية، والبعض التايلاندية. وللحصول على شعور حقيقي بالحي بأكمله، لم يكتفِ الباحثون بطرح سؤال واحد بلغة واحدة. بل قدموا استطلاعًا متعدد اللغات (مثل قائمة طعام بثلاث لغات) لـ 105 شخصًا.

لقد أرادوا معرفة:

هل تستخدم الذكاء الاصطناعي كل يوم، أم في مناسبات متقطعة؟
هل هو مساعد مفيد لك، أم كاتب لمسوداتك، أم أنه يقوم بالمهمة كاملة نيابة عنك؟
ما الذي تخشاه؟ (هل هي الخصوصية؟ أم ارتكاب الأخطاء؟)
هل يدعمك مديرك أو جامعتك، أم أنك تعمل بمفردك؟

2. البيانات "المُنقحة" مقابل "الخام": تشبيه المطبخ

قام الباحثون بجمع كومة ضخمة من الإجابات. ولجعل هذه البيانات مفيدة للعلماء الآخرين، قاموا بشيئين، وهو أمر يشبه تحضير وجبة طعام:

المكونات الخام (البيانات الخام): هذه هي استجابات الاستطلاع الأصلية. إنها مثل سلة من الخضروات الطازجة غير المقشرة. تحتوي على كل شيء باللغات الأصلية (الإنجليزية، اليابانية، التايلاندية)، بما في ذلك القصص الطويلة التي كتبها الناس عن نجاحاتهم أو إخفاقاتهم مع الذكاء الاصطناعي. إنها غنية وأصلية، لكنها فوضوية بعض الشيء إذا كنت تريد فقط إحصاءات سريعة.
الوجبة المُحضرة (البيانات المنقحة): هذه هي النسخة التي يمكن للعلماء استخدامها لإجراء عمليات حسابية سريعة. لقد قام الباحثون بـ "تقشير وتقطيع" البيانات. لقد قاموا بـ:
- ترجمة كل شيء إلى الإنجليزية.
- إصلاح الأخطاء المطبعية (مثل تغيير "germini" إلى "Gemini").
- إزالة القصص الطويلة للحفاظ على ترتيب جداول البيانات.
- بشكل حاسم: قاموا بتنقية أي شيء يمكن أن يحدد هوية الشخص (مثل الأسماء أو روابط URL محددة)، مما يضمن سلامة خصوصية الجميع، تمامًا مثل تقديم وجبة دون الكشف عن هوية من زرع الطماطم.

3. ماذا وجدوا؟ (ملف النكهة)

بينما تدور الورقة البحثية في معظمها حول مشاركة البيانات، فإن الملخص يعطينا لمحة عن النتائج:

الاعتماد: الذكاء الاصطناعي موجود في كل مكان في هذا المجتمع. إنه ليس مجرد لعبة فاخرة؛ بل هو أداة يستخدمها الناس لكتابة الأكواد، وتحليل البيانات، وتبادل الأفكار.
"كيفية" الاستخدام: يستخدم الناس الذكاء الاصطناعي بطرق مختلفة. البعض يستخدمه لـ المساعدة (مثل المساعد الطيار)، والبعض لـ الصياغة (كتابة نسخة أولية ليتم تعديلها لاحقًا)، والبعض يتركه يتمم المهام بالكامل.
المخاوف: رغم حب الناس للمساعدة، إلا أن لديهم مخاوف. الأمر يشبه قيادة سيارة بنظام قيادة آلي ذكي للغاية؛ فأنت تقلق من ارتكاب السيارة لخطأ ما، أو سرقة بياناتك، أو انحياز نظام القيادة الآلية ضد مجموعات معينة.
الفجوات: يشعر بعض الناس أن مؤسساتهم (الجامعات أو الشركات) لا تمنحهم ما يكفي من الدعم أو القواعد الواضحة حول كيفية استخدام هذه الأدوات القوية بأمان.

4. لماذا يهم هذا؟ (خريطة للمستقبل)

لماذا تنشر بحثًا عن استطلاع لنتائج استطلاع؟ فكر في مجموعة البيانات هذه كـ خريطة لمستقبل العلم.

لصناع الأدوات: إذا كنت تبني الذكاء الاصطناعي القادم للعلماء، فهذه الخريطة تخبرك بمواقع الحفر في الطريق. فهي توضح لك الأدوات التي يستخدمها الناس بالفعل والميزات التي يتوقون إليها.
لصناع السياسات: تساعد الجامعات والحكومات على فهم القواعد التي يحتاجون لكتابتها. هل يجب حظر الذكاء الاصطناعي؟ أم تشجيعه؟ كيف يحمون الخصوصية؟
للباحثين: تتيح للعلماء مقارنة كيفية استخدام الذكاء الاصطناعي في اليابان مقابل تايلاند مقابل الولايات المتحدة. هل المخاوف مختلفة؟ هل الأدوات مختلفة؟

الخلاصة

هذه الورقة ليست مجرد قائمة أرقام؛ إنها مذكرات مجتمعية. إنها تلتقط لحظة زمنية محددة (عام 2025) حيث يتصادم العلم والذكاء الاصطناعي. ومن خلال تنقية البيانات وجعلها مفتوحة للجميع، يقول المؤلفون: "إليكم الحقيقة الخام لكيفية عملنا مع الذكاء الاصطناعي. خذوا هذه الخريطة، واستكشفوها، وساعدونا في بناء مستقبل أفضل وأكثر أمانًا وذكاءً للعلم."

لم يسألوا فقط "هل تستخدم الذكاء الاصطناعي؟" بل سألوا: "كيف يتناسب الذكاء الاصطناعي مع حياتك، ومخاوفك، وأحلامك؟" وقد قدموا للعالم الإجابات للبحث فيها.

إليك ملخص تقني مفصل لورقة البحث بعنوان "الذكاء الاصطناعي في الممارسة: مسح متعدد اللغات للمشاركين في BioHackathon لعام 2025".

1. بيان المشكلة

بينما يعمل الذكاء الاصطناعي (AI) على تحويل مجالات علم الجينوم، والمعلوماتية الحيوية، وتطوير البرمجيات بسرعة، إلا أن هناك نقصاً في البيانات التجريبية على مستوى المجتمع فيما يتعلق بكيفية اعتماد هذه الأدوات فعلياً في سير العمل العلمي اليومي. تركز الأدبيات الحالية غالباً على الإمكانات النظرية أو معايير أدوات محددة، مما يترك فجوة في فهم:

أنماط الاستخدام في العالم الحقيقي: ما مدى تكرار استخدام أدوات الذكاء الاصطناعي ولأي مهام محددة (مثل البرمجة، الصياغة، التحليل)؟
العوائق والمخاوف: ما هي العقبات (المؤسسية، التقنية، الأخلاقية) التي تعيق الاعتماد؟
السياق متعدد اللغات: كيف تختلف الممارسات والتصورات عبر الحدود اللغوية والجغرافية داخل مجتمع المعلوماتية الحيوية العالمي؟

تعالج هذه الدراسة الحاجة إلى مجموعة بيانات مهيكلة ومجهولة المصدر لقياس اعتماد الذكاء الاصطناعي، والمشاعر، والتحديات بين الممارسين في مجتمع BioHackathon.

2. المنهجية

استخدمت الدراسة تصميم مسح مستعرض استهدف المشاركين وشبكات 2025 DBCLS BioHackathon في اليابان.

أداة المسح: استبيان عبر نماذج جوجل (Google Forms) تم إدارته في الفترة ما بين 16 و18 سبتمبر 2025.
اللغات: تم تقديم المسح باللغات الإنجليزية واليابانية والتايلاندية لضمان الوصول الواسع.
النطاق والمحتوى: غطى الاستبيان ستة مجالات:
1. الديموغرافيا: الدور، نوع المؤسسة، الدولة، العمر، الجنس.
2. تكرار الاستخدام: الاستخدام اليومي مقابل الاستخدام غير المتكرر، وأسباب عدم الاستخدام.
3. التطبيقات: أدوات محددة مستخدمة ومستوى استخدام المهام (البرمجة، البحث، الكتابة، التدريس، الترجمة).
  - كثافة الاستخدام: صنف المستجيبون الاستخدام كـ "مساعدة" (المساعدة في أجزاء)، أو "صياغة" (توليد المسودة الأولى)، أو "إكمال" (الإنهاء بأقل قدر من التعديل).
4. التحديات والرضا: نقاط الألم ومستويات الثقة.
5. الدعم المؤسسي والأضرار: مستويات الدعم المدركة والمخاوف المتعلقة بالتحيز، والخصوصية، والملكية الفكرية، والهلوسة، والأثر البيئي.
6. السرديات: أسئلة مفتوحة حول قصص النجاح/الفشل (مدرجة في البيانات الخام فقط).
جمع البيانات: تم التوزيع عبر قنوات Slack الخاصة بالحدث ورموز QR. تم جعل عنصرين فقط إلزاميين، بينما كانت بقية العناصر اختيارية لتقليل التحيز والإرهاق.
حجم العينة: 105 استجابة نهائية من مجموعة متنوعة من الدول وأنواع المؤسسات.

3. معالجة البيانات وإخفاء الهوية

تم تنفيذ خط معالجة دقيق للبيانات لموازنة الخصوصية مع الفائدة:

إزالة الهوية: الالتزام بإرشادات HIPAA Safe Harbor. لم يتم جمع الأسماء، أو الانتماءات المؤسسية، أو عناوين IP. كما تمت إزالة عناوين البريد الإلكتروني الاختيارية والروابط لأعمال خارجية تماماً.
التنقيح: تم استبدال جميع روابط URL في الاستجابات النصية الحرة بـ [URL redacted].
التنظيف والتوحيد (مجموعة البيانات الإنجليزية):
- السرديات الطويلة: تم استبعادها من مجموعة البيانات المنقحة لتقليل مخاطر إعادة تحديد الهوية، مع الاحتفاظ بالمتغيرات المهيكلة فقط.
- فئة "أخرى" التصنيفية: تم الحفاظ على النص المخصص في أعمدة مرافقة (مثل field_other_text) مع استخراج الفئات المحددة مسبقاً.
- توحيد الدول: تم ربط الاختلافات (مثل "U.K." $\to$ "United Kingdom") والتعامل مع المدخلات غير الصالحة كبيانات مفقودة.
- تجميع الأدوات: تم توحيد أسماء أدوات الذكاء الاصطناعي عبر مطابقة الأنماط (مثل "chatGTP" $\to$ "ChatGPT"؛ "copilot" $\to$ "Copilot (unspecified)").
- البيانات المفقودة: تم تحويل استجابات "أفضل عدم الإجابة" إلى قيم NAs قياسية.
المخرجات: تتضمن النسخة المنشورة البيانات الخام مجهولة المصدر (اللغات الأصلية)، ومجموعة بيانات إنجليزية مترجمة، ومجموعة بيانات إنجليزية نظيفة وجاهزة للتحليل، ودليل الأكواد (codebook)، والاستبيان الأصلي، وجدول بحث الترجمة.

4. النتائج الرئيسية والمكتشفات

ملاحظة: بما أن هذه ورقة نشر بيانات، فإن "النتائج" الأساسية هي مجموعة البيانات نفسها والإحصاءات الوصفية عالية المستوى المعروضة في الشكل 1.

مستويات الاعتماد: تلتقط مجموعة البيانات توزيع مستويات استخدام الذكاء الاصطناعي المبلغ عنها ذاتياً (يومي، غير متكرر، باحث/مطور) بين 105 مشاركاً.
الانتشار الجغرافي: تم جمع الاستجابات من دول متعددة، مع التركيز على الدول التي لديها $n > 1$ في مجموعة البيانات النهائية.
الاستخدام الخاص بالمهام: تصنف البيانات كيفية استخدام الذكاء الاصطناعي عبر مهام محددة:
- مساعدة: المساعدة في أجزاء محددة من المهمة.
- صياغة: توليد محتوى أولي للتعديل.
- إكمال: إنهاء المهام مع القليل من التعديل أو بدونه.
المخاوف: تقيس مجموعة البيانات مستويات القلق (على مقياس 1-5) بشأن التحيز الخوارزمي، وخصوصية البيانات، والملكية الفكرية، والمعلومات المضللة/الهلوسة، والأثر البيئي.
قيود جودة البيانات: يشير المؤلفون صراحة إلى أن البيانات المفقودة مرتفعة بالنسبة للعناصر الاختيارية، وأن كلمة "مفقود" في الأسئلة الخاصة بالمهام تدمج ثلاث حالات: عدم الاستخدام، أو عدم الانطباق، أو عدم الاستجابة. وبالمثل، قد تشير درجات المخاوف المفقودة إلى عدم وجود رأي بدلاً من انخفاض مستوى القلق.

5. المساهمات الرئيسية

مجموعة بيانات متعددة اللغات: مورد فريد يلتقط ممارسات الذكاء الاصطناعي باللغات الإنجليزية واليابانية والتايلاندية، مما يسمح بالتحليل المقارن عبر الثقافات واللغات.
بيانات تدفق العمل التفصيلية: على عكس المسوحات العامة، تفكك هذه المجموعة استخدام الذكاء الاصطناعي حسب مهام علمية محددة (البرمجة، مراجعة الأدبيات، التدريس) ومستويات الكثافة (مساعدة مقابل إكمال).
إصدار ثنائي التنسيق: يوفر كل من البيانات الخام مجهولة المصدر (للأبحاث النوعية/متعددة اللغات) ومجموعة بيانات إنجليزية نظيفة ومعيارية (للتحليل الكمي السريع).
توثيق شامل: يتضمن جدول بحث الترجمة، ودليل أكواد مفصل، والمنطق الكامل للاستبيان، مما يضمن قابلية التكرار وسهولة إعادة الاستخدام.
معيار مجتمعي: يضع خط أساس لـ "الذكاء الاصطناعي في الممارسة" ضمن مجتمع المعلوماتية الحيوية، وتحديداً حول شبكة BioHackathon.

6. الأهمية وإمكانية إعادة الاستخدام

تعتبر مجموعة البيانات هذه مهمة لمجالات البحث والتطوير التالية:

السياسة والأخلاق: تساعد المؤسسات على فهم مخاوف محددة (مثل الملكية الفكرية، الهلوسة) لصياغة سياسات حوكمة أفضل للذكاء الاصطناعي.
تطوير الأدوات: يمكن لمطوري أدوات الذكال الاصطناعي العلمية تحديد نقاط الألم والرغبات في التحسين بناءً على التعليقات الواقعية من المتخصصين في المعلوماتية الحيوية.
الدراسات المقارنة: تمكن الباحثين من تحليل كيفية اختلاف اعتماد الذكاء الاصطناعي حسب الدولة، ونوع المؤسسة، واللغة.
الأبحاث المنهجية: تعمل كدراسة حالة لتصميم المسوحات متعددة اللغات والتعامل مع البيانات المفقودة في السياقات المهنية الحساسة.

مجموعة البيانات متاحة علنًا بموجب رخصة CC-BY 4.0 International عبر مستودع GigaScience (GigaDB)، مما يدعم العلوم المفتوحة والميتا-بحث الإضافي حول اعتماد الذكاء الاصطناعي في علوم الحياة.