Optimizing Journal Selection in Computer Science: A Hybrid Framework Integrating TF-IDF, GloVe, and Sentence-BERT

في المشهد الواسع للعلم الحديث، يواجه الباحثون في مجالات مثل علوم الحاسوب معضلة مستمرة وعملية: أين ينبغي لهم إرسال أعمالهم؟ ينظم العالم الأكاديمي منشوراته في تسلسل هرمي، حيث تُصنف المجلات من الأكثر شهرة إلى الأقل، وغالبًا ما تستخدم نظامًا من أربعة مستويات يُرمز لها بـ Q1 إلى Q4. هذه التصنيفات ليست عشوائية؛ فهي تُحسب بناءً على عدد مرات الاستشهاد بالمقالات وسمعة المجلات التي تنشرها. وبالنسبة للعالم، فإن اختيار المجلة المناسبة أمر بالغ الأهمية؛ فالبحث الذي يُوضع في منصة من المستوى الأول يمكن أن يطلق مسيرة مهنية، بينما قد يمر العمل نفسه في مجلة ذات تصنيف أدنى دون أن يلاحظه أحد. ومع ذلك، فإن التنقل في هذا النظام أمر صعب؛ فقواعد البيانات التي تحتوي على هذه التصنيفات ضخمة ومعقدة، وغالبًا ما تتطلب بحثًا يدويًا عبر آلاف المدخلات للعثور على تطابق لموضوع بحثي معين. إن الحجم الهائل للبيانات يجعل من الصعب على المؤلفين معرفة أي منصة نشر تناسب مساهمتهم الفريدة حقًا.

لقد تصدى باحث من جامعة "تاي دو" (Tay Do) في فيتنام لهذا التحدي من خلال بناء أداة ذكية ومؤتمتة مصممة لتوجيه العلماء إلى المجلة الصحيحة. وبدلاً من الاعتماد على إنسان لفرز القوائم يدويًا أو استخدام طريقة واحدة جامدة لمطابقة النصوص، ابتكر نظامًا هجينًا يجمع بين ثلاث طرق مختلفة لفهم اللغة. الطريقة الأولى، المعروفة باسم TF-IDF، تعمل مثل أمين مكتبة تقليدي يقوم بعدّ عدد مرات ظهور كلمات معينة في المستند لتحديد أهميتها. أما الطريقة الثانية، وهي GloVe، فتنظر في المعنى الكامن وراء الكلمات من خلال تحليل كيفية استخدامها معًا في كميات هائلة من النصوص، مدركة أن الكلمات التي تظهر في سياقات متشابهة غالبًا ما تشترك في معانٍ متشابهة. والطريقة الثالثة والأكثر تقدمًا، وهي Sentence-BERT، تقوم بتحويل الجمل بأكملها إلى ناقلات مكانية (spatial vectors) لتمكين مقارنة التشابه السياقي، مما يسمح للنظام بمقارنة ملخص البحث مع أوصاف المجلات بدلاً من مجرد مطابقة الكلمات المفتاحية الفردية. ومن خلال دمج هذه الطرق الثلاث معًا، بنى الباحث برنامجًا يمكنه أخذ ملخص العالم، وتحليل رسالته الجوهرية، واقتراح المجلات الأكثر ملاءمة فورًا من قاعدة بيانات تضم أكثر من 4000 مدخل.

اختبر الباحث هذا النظام باستخدام بيانات حقيقية من قواعد بيانات أكاديمية كبرى مثل Scopus وSCImago، مع التركيز بشكل خاص على مجالات تعلم الآلة والتعلم العميق. قام بتغذية النظام بآلاف عناوين المجلات والفئات، مع تنقية البيانات لضمان الدقة، ثم طلب من البرنامج مطابقة ملخصات بحثية جديدة مع هذه المكتبة. كانت النتائج كاشفة؛ فعندما حلل النظام ملخصًا عينة حول استخدام التعلم العميق في تحليل الصور الطبية، أنتجت الطرق المختلفة داخل الأداة اقتراحات متباينة. فقد وجهت طريقة عد الكلمات التقليدية نحو مجلة للتعلم الإلكتروني، بينما اقترحت طريقة ارتباط الكلمات مجلة لعلوم السلامة. ومع ذلك، فإن الطريقة الأكثر تطورًا، والتي استخدمت المقارنة السياقية القائمة على الناقلات، حددت ورشة عمل متخصصة في الحوسبة المرئية للطب الحيوي كملائمة للغاية مع درجة تشابه محددة. أثبت هذا أن الجمع بين طرق تضمين الكلمات المتعددة ونماذج اللغة الحديثة يمكن أن يحسن كفاءة التوصية بالمجلات، مما يوفر أساسًا للمقارنة الكمية بين الخوارزميات التقليدية ونماذج التعلم العميق المتقدمة.

كما أكدت الدراسة الأدوار المتميزة التي تلعبها المستويات المختلفة من المجلات في المنظومة العلمية. أظهرت البيانات أن الأبحاث التي تركز على التعلم العميق تتركز بكثافة في مجلات المستوى الأول (Q1)، المعروفة بتأثيرها العالي ومكانتها المرموقة؛ فهذه المنصات هي حيث يميل العمل النظري الأكثر تأثيرًا للظهور. ومع ذلك، وجد الباحث أن مجلات Q2 وQ3 وQ4 ليست مهملة بأي حال من الأحوال؛ فهي تعمل كركائز أساسية للأبحاء التطبيقية والتطبيقات العملية. توفر هذه المجلات ذات التصنيف الأدنى مساحة ضرورية للعلماء لمشاركة تطبيقات عملية محددة وتساعد المؤلفين الناشئين على ترسيخ حضورهم في المجال. وقد نجح النظام المؤتمت في تسليط الضوء على هذا التوازن، حيث قدم توصيات تحترم كلاً من مكانة المجلة والطبيعة المحددة للبحث المقدم.

من خلال دمج نماذج اللغة المتقدمة هذه مع البيانات الإحصائية القياسية، أنشأ الباحث أداة تفعل ما هو أكثر من مجرد سرد الخيارات؛ فهي توفر مسارًا استراتيجيًا للنشر. يأخذ النظام ملخص الباحث، ويعالجه عبر محركه الهجين، ويعيد قائمة مرتبة بالمجلات الأكثر صلة، كاملة مع درجات شهرتها وتصنيفات مستوياتها. هذا النهج يوفر للباحثين وقتًا كبيرًا ويزيل التخمين من عملية التقديم. وتشير النتائج إلى أن مثل هذا الإطار يمكن أن يساعد العلماء، لا سيًا في المجتمعات البحثية النامية، على التنقل في المشهد الأكاددي العالمي بشكل أكثر فعالية. فهو يضمن أن تجد الأعمال عالية الجودة موطنها في المنصة المناسبة، سواء كانت مجلة من المستوى الأول للنظريات الرائدة أو منصة متخصصة للتطبيقات العملية، مما يساعد في النهاية على تحسين رؤية وتأثير الاكتشافات العلمية.