Extracting and Coding Digital Sustainability Data using Text Mining and AI: A Design Science Approach

تخيل أنك محقق يحاول حل لغز ضخم: كيف تستخدم الشركات التكنولوجيا لمساعدة الكوكب والبشر؟ الأدلة ليست مخبأة في علية مغبرة؛ بل هي مدفونة داخل آلاف التقارير السميكة والمملة التي تكتبها الشركات سنويًا. هذه التقار تقبض كأنها مكتبات ضخمة من النصوص، مليئة بكلمات عن "مراكز البيانات الخضراء"، و"المستشعرات الذكية"، و"العدالة الرقمية". المشكلة هي أن قراءة كل صفحة من كل تقرير يدويًا تشبه محاولة شرب المحيط باستخدام قشة؛ الأمر يستغرق وقتًا طويلاً للغاية، وقد تفوتك أهم القطرات. هذا هو عالم "الاستدامة الرقمية"، وهو مجال يدرس فيه الباحثون كيف يمكن للحواسيب والبرمجيات جعل العالم مكانًا أفضل. ولكن لفهم الصورة الكبيرة، يحتاجون إلى العثور على هذه الأدلة وفرزها بسرعة. وهنا يأتي دور سحر "تنقيب النصوص" (تعليم الحواسيب القراءة وإيجاد الأنماط) و"الذكاء الاصطناعي التوليدي" (روبوتات الدردشة فائقة الذكاء التي يمكنها الكتابة والتفكير). فبدلاً من الغرق في الأوراق، يريد الباحثون الحصول على مساعد روبوت يقوم بالعمل الشاق نيابة عنهم، ليتفرغوا هم لحل اللغز.

هذه الورقة البحثية تدور حول بناء ذلك المساعد الروبوتي تحديدًا. قرر الباحثون، توماس أبراهام، وفيت داو، ونسرين الألفي، استخدام منهجية تسمى "علم التصميم"، وهي ببساطة طريقة فخمة للقول: "لنقم ببناء أداة لحل مشكلة، ثم نختبرها، ثم نجعلها أفضل". كان هدفهم هو إنشاء نظام شبه تلقائي يمكنه مسح تقارير الاستدامة، واستخراج قصص الاستدامة الرقمية ذات الصلة، ثم فرز تلك القصص في فئات منطقية ومرتبة. لم يعتمدوا على التخمين فحسب؛ بل بنوا ثلاثة "نماذج أولية" (أدوات) للقيام بالمهمة: قاموس خاص بالكلمات التي يجب البحث عنها، ومجموعة من التعليمات (الأوامر) لتعليم الذكاء الاصطناعي كيفية التفكير، والعملية الكاملة لكيفية استخدامهم معًا.

أولاً، عالجوا جزء "الإيجاد". تخيل أنك تبحث عن أنواع معينة من الكنوز في كهف. إذا صرخت فقط "كنز!"، فستحصل على الكثير من الصخور والتراب. أنت بحاجة إلى خريطة محددة. بنى الباحثون "قاموس الاستدامة الرقمية"، وهو يشبه جهاز كشف معادن عالي الدقة. قاموا بتغذية هذا القاموس بآلاف الكلمات من الأبحاث السابقة لتعليمه كيف يبدو "الاستدامة الرقمية" فعليًا. اختبروا هذا القاموس على تقارير من شركات مثل بيوجين وكوكاكولا. كانت النتائج مبهرة: وجد الكمبيوتر 94% من قصص الاستدامة الرقمية التي وجدها الخبراء البشريون يدويًا، لكنه فعل ذلك في جزء بسيط من الوقت. بل إنه وجد 54 قصة إضافية فات البشر! ومع ذلك، لم يكن مثاليًا؛ فقد يتشتت انتباه الكمبيوتر أحيانًا بكلمات مثل "موقع إلكتروني" التي تبدو مهمة ولكنها ليست متعلقة بمبادرات الاستدامة فعليًا. هذا علم الباحثين أنه بينما يعد الكمبيوتر ماسحًا ضوئيًا رائعًا، فإنه لا يزال بحاجة إلى إنسان ليدقق النتائج.

بعد ذلك، عالجوا جزء "الفرز". بمجرد أن يجد الكمبيوتر القصص، فإنه يحتاج إلى وضعها في الصناديق الصحيحة. استخدم الباحثون "نظامي أرشفة" مختلفين بناءً على نظريات راسخة. صنف النظام الأول القصص بناءً على ما "تفعله" التكنولوجيا (مثل "أتمتة" عملية ما أو "تحويل" نموذج عمل)، بينما صنف النظام الآخر القصص بناءً على "من" يستفيد (مثل "داخلي" مقابل "خارجي" أو "اليوم" مقابل "الغد"). ولتعليم الذكاء الاصطناعي كيفية استخدام أنظمة الأرشفة هذه، لم يكتفوا بإعطائه أمرًا بسيطًا. بل استخدموا تقنية تسمى "التحفيز بالقليل من الأمثلة" (few-shot prompting)، وهي تشبه عرض بضع أمثلة للغز مكتمل على الذكاء الاصطناعي وقول: "أرأيت كيف تتناسب هذه القطعة هنا؟ الآن افعل أنت الباقي". لقد دربوا الذكاء الاصطناعي على بيانات من ثلاث شركات، وتركوه يرتكب الأخطاء، وصححوا له، وصقلوا تعليماته حتى أتقن الأمر.

عندما اختبروا هذا الذكاء الاصطناعي المدرب على شركات جديدة (مثل جونسون آند جونسون وفولفو)، كانت النتائج قوية. بالنسبة لفئات "ماذا تفعل"، طابق الذكذع الاصطناعي فرز الخبراء البشريين بنسبة 78% من الوقت. وبالنسبة لفئات "من يستفيد"، طابقهم بنسبة 85.3% من الوقت. حسب الباحثون درجة تسمى "كوهين كابا" (Cohen's Kappa)، وهي تقيس مدى اتفاق شخصين (أو شخص وروبوت). كانت الدرجة أعلى من 0.7، وهو ما يعتبر مستوى عالٍ من الاتفاق. هذا يشير إلى أن الذكاء الاصطناعي لا يخمن فحسب؛ بل إنه يتعلم منطق الباحثين بالفعل.

ومع ذلك، فإن الورقة البحثية حريصة على عدم القول بأن هذا "عصا سحرية" تحل كل شيء. فقد استبعد الباحثون صراحةً فكرة أن هذه العملية يمكن أن تكون آلية بالكامل. وجدوا أن الذكاء الاصطناعي قد يحتاج أحيانًا للمساعدة في فهم سياق العمل التجاري. على سبيل المثال، إذا تحدثت شركة عن نظام سلامة عبر عدة سنوات، فقد يحتسبه الذكاء الاصطناعي كمشاريع متعددة مختلفة، بينما سيعرف الإنسان أنه مجرد مشروع واحد طويل الأمد. كما أن القاموس ليس مثاليًا؛ فهو كيان حي يحتاج إلى التحديث مع ظهور كلمات جديدة في العالم. ويخلص المؤلفون إلى أن النهج الأفضل هو الشراكة: حيث يعمل الكمبيوتر كمساعد بحث فائق السرعة يقوم بالعمل الشاق المتمثل في الإيجاد والفرز، ولكن يجب أن يكون هناك دائمًا خبير بشري في الحلقة لتدريب الذكاء الاصطناعي، وتصحيح أخطائه، واتخاذ القرار النهائي.

في النهاية، تقترح هذه الورقة أننا لسنا مضطرين للاختيار بين الحكمة البشرية وسرعة الآلة. من خلال الجمع بين تنقيب النصوص والذكاء الاصطناعي التوليدي مع عملية تدريب دقيقة وخطوة بخطوة، يمكن للباحثين بناء مجموعات بيانات ضخمة من بيانات الاستدامة الرقمية بشكل أسرع بكثير من ذي قبل. إنها ليست مشكلة محلولة، لكنها أداة جديدة قوية تجعل مهمة إنقاذ العالم أقل وحدة وأكثر كفاءة بكثير.