ForcesAtlas: construction of a multi-source, AI-assisted evidence discovery database of Armed Forces research
تُعد ForcesAtlas منصة لاكتشاف الأدلة متعددة المصادر والمعززة بالذكاء الاصط الاصطناعي، حيث تقوم بتجميع وإزالة تكرار أكثر من 2.4 مليون سجل بحثي حول أفراد القوات المسلحة والمحاربين القدامى، مما يُظهر موثوقية عالية في التصنيف وتغطية شاملة لتسهيل الاسترجاع الفعال للأدلة عبر قواعد البيانات الأكاديمية المتجزئة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إن العثور على المعلومات الصحيحة في مكتبة هائلة من الأوراق العلمية هو مهمة تزداد صعوبة يوماً بعد يوم. يعتمد الباحثون والأطباء وصناع السياسات على هذه الأدلة لاتخاذ قرارات تتعلق بالصحة والسلامة ودعم الأشخاص الذين يرتدون الزي العسكري. ومع ذلك، فإن المؤلفات المتعلقة بالعسكريين والمحاربين القدامى وعائلاتهم مبعثرة عبر العديد من الرفوف الرقمية المختلفة؛ فبعض قواعد البيانات تركز على الطب، وأخرى على علم النفس، ولا تزال هناك قواعد أخرى تركز على القضايا الاجتماعية. علاوة على ذلك، يتم وصف الأشخاص الذين تتم دراستهم بطرق مختلفة عديدة؛ فأحياناً يوصفون بأنهم "في الخدمة النشطة"، وفي أحيان أخرى كـ "محاربين قدامى"، أو "جنود احتياط"، أو "أزواج عسكريين". وهذا التضارب يعني أن بحثاً بسيطاً عن كلمة "جنود" قد يغفل دراسة حاسمة عن "أفراد خدموا سابقاً"، بينما قد يسحب البحث عن كلمة "عسكري" مقالات عن المعدات العسكرية أو الاستراتيجيات التي لا علاقة لها بصحة الإنسان. إن التحدي لا يكمثل فقط في العثرض على الأوراق، بل في العثور على تلك التي تهم حقاً الأشخاص الذين يخدمون وأولئك الذين خدموا.
ولحل هذه المشكلة، قام فريق من الباحثين من جامعات في المملكة المتحدة والولايات المتحدة ببناء أداة رقمية جديدة تسمى "ForcesAtlas". كان هدفهم هو إنشاء مجموعة واحدة يتم تحديثها باستمرار وتجمع الأبحاث ذات الصلة من جميع أنحاء العالم العلمي، بغض النظر عن المجال المحدد أو الكلمات المستخدمة لوصف الأشخاص. وبدلاً من إجبار المستخدم على بناء قائمة معقدة من مصطلحات البحث في كل مرة يريد فيها استقصاء موضوع ما، تقوم "ForcesAtlas" بالعمل الشاق مسبقاً. فهي تمسح قواعد البيانات العلمية الرئيسية المتعددة، وتحدد المقالات التي من المرجح أن تتعلق بمجتمع القوات المسلحة، وتنظمها في مساحة مخصصة. يستخدم النظام الذكاء الاصطناعي لقراءة عناوين وملخصات ملايين المقالات، ويقرر مدى صلتها بالموضوع بناءً على محتواها بدلاً من مجرد مطابقة الكلمات المفتاحية. وهذا يسمح للباحث بطرح سؤال حول، على سبيل المثال، الاستقرار السكني أو الصحة النفسية، ورؤية قائمة منسقة فوراً من الدراسات التي تتناول بالفعل الأشخاص المرتبطين عسكرياً، دون الحاجة إلى تصفية آلاف النتائج غير ذات الصلة.
قام الفريق ببناء هذه القاعدة من خلال سحب البيانات من عدة مصادر كبيرة، بما في ذلك "PubMed" للمؤلفات الطبية، و"Europe PMC" لعلوم الحياة، وغيرها من الشبكات الأكاديمية الواسعة. وقد بنوا نظاماً يتحقق من هذه المصادر أسبوعياً، بحثاً عن مقالات جديدة. وعندما يتم العثور على ورقة بحثية جديدة، يقارنها النظام بما رآه بالفعل لضمان عدم وجود تكرار. ثم يقوم برنامج حاسوبي متطور بقراءة عنوان المقال وسنة النشر والملخص للحكم على مدى صلتها بالموضوع. ويقوم النظام بتعيين تصنيف (مرتفع، متوسط، منخفض، أو لا شيء) للإشارة إلى مدى ارتباط الورقة بمجتمع القوات المسلحة. ويعني التصنيف المرتفع أن الورقة مركزية في الموضوع، بينما يشير التصنيف المتوسط إلى وجود صلة مباشرة ضمن دراسة أوسع. ولضمان عدم وقوع الحاسوب في الخطأ، يقوم مراجعون بشريون بفحص عينة من القرارات. وفي اختبار شمل 2000 مقال، اتفق المراجعون البشريون مع تصنيف الكمبيوتر أكثر من 92 في المئة من الوقت، مما يظهر أن النظام موثوق للغاية في التمييز بين الأبحاث ذات الصلة والبقية.
والنتيجة هي مكتبة ضخمة قابلة للبحث تحتوي حالياً على أكثر من 2.4 مليون سجل لمقالات، مع توفر حوالي 86,000 منها للاستخدام الفوري. وتميل المجموعة بشكل كبير نحو الأبحاث القادمة من الولايات المتحدة، مما يعكس المكان الذي تنشأ منه معظم المؤلفات المتاحة، لكنها تضم أيضاً أعمالاً هامة من المملكة المتحدة وأفغانستان والعراق ودول أخرى. وتتعلق المواضيع الأكثر شيوعاً في قاعدة البيانات بالمحاربين القدامى والصحة النفسية واضطراب ما بعد الصدمة، رغم أن النطاق يغطي كل شيء من الصحة البدنية والتوظيف إلى الحياة الأسرية والعدالة الجنائية. ولإثبات أن قاعدة البيانات تعمل بالفعل، اختبرها الباحثون مقابل خمس مراجعات حديثة وعالية الجودة نُشرت بالفعل حول مواضيع عسكرية محددة. وقد تحققوا مما إذا كانت الأوراق المدرجة في تلك المراجعات موجودة أيضاً في "ForcesAtlas". وقد نجحت قاعدة البيانات الجديدة في العثور على ما يقرب من 88 في المئة من الأوراق الهامة المعروفة، مع وجود اختبارات محددة أظهرت أنها وجدت كل مقال ذي صلة. وهذا يشير إلى أن الأداة فعالة في التقاط الأدلة التي يستخدمها الخبراء بالفعل، مع العثور أيضاً على مواد إضافية قد يتم إغفالها لولا ذلك.
صُممت "ForcesAtlas" لتكمل الموارد الموجودة بدلاً من استبدالها. فهي لا تدعي أنها الكلمة الأخيرة في كل موضوع، لكنها تقدم نقطة انطلاق قوية لأي شخص يحاول فهم تجارب المجتمعات العسكرية. ومن خلال نقل العمل الصعب المتمثل في تحديد الفئات السكانية ذات الصلة إلى بداية العملية، تمنح الأداة الباحثين الحرية للتركيز على الأسئلة الفعلية التي يريدون الإجابة عنها. وسواء كان المستخدم طالباً يبحث عن موضوع لأطروحته، أو ممارساً طبياً يسعى للحصول على أحدث الإرشادات العلاجية، أو صانع سياسات يقيم برنامجاً جديداً، فإن قاعدة البيانات توفر مساراً واضحاً عبر ضجيج العالم العلمي الأوسع. إنها تقف كنموذج عملي لكيفية استخدام التكنولوجيا الحديثة لتنظيم المعرفة، وضمان أن تكون الأدلة اللازمة لدعم من يخدمون أسهل في العثور عليها وفهمها واستخدامها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.