التعليم · معالجة اللغة العربية · 2025
ChatUB
مساعد أكاديمي عربي يعمل محليًا
يجيب عن أسئلة الطلاب بالعربية انطلاقًا من أسئلة شائعة منتقاة لجامعة بيشة، مع إبقاء الاسترجاع والتوليد على جهاز محلي.
- الدور
- قائد المشروع
- الحالة
- مشروع تخرج
- الدليل
- مستودع عام
- السنة
- 2025
الأدلة
ما يستطيع المراجع التحقق منه اليوم — وما لا يُدّعى.
- الحالة
- مشروع تخرج في جامعة بيشة — نموذج أولي عامل، ولم يُطلَق للطلاب.
- الأدلة
- مستودع عام على GitHub(يفتح في علامة تبويب جديدة)
الكود المصدري والبنية وخطوات التشغيل والقيود الموثّقة للنموذج الأولي.
- لقطة شاشة للواجهة في ملف README(يفتح في علامة تبويب جديدة)
ملتقطة من واجهة المحادثة الموجودة في المستودع — لقطة حقيقية وليست تصميمًا تخيليًا.
- ما لا يُدّعى
- لا يُدّعى تشغيل فعلي ولا قياس للدقة.
- التقنيات
- Python
- Flask
- Sentence Transformers
- PyTorch
- NLTK
- Ollama
السياق
مشروع تخرج في تخصص نظم المعلومات بجامعة بيشة، قاد فيه عبدالإله الفريق من الفكرة الأولى حتى نموذج أولي عامل.
المشكلة
يبحث الطلاب عن أنظمة أكاديمية مثل الاعتذار عن المقررات ومواعيد التسجيل، وهي موزعة بين مستندات وجهات مختلفة، وقد تختلف الإجابة باختلاف من يُسأل. والمساعد العام لا يعرف أنظمة جامعة بعينها، كما أن إرسال أسئلة الطلاب إلى نموذج مستضاف يعني خروجها من الجامعة.
القيود
- أسئلة وإجابات بالعربية أولًا
- بقاء محتوى الجامعة والمعالجة على جهاز محلي
- أسئلة شائعة منتقاة لا كامل اللوائح
- إطار زمني وفريق مشروع تخرج
الحل
تطبيق ويب مبني بـ Flask يطابق سؤال الطالب مع أقرب مدخل في الأسئلة الشائعة باستخدام تمثيلات دلالية متعددة اللغات، ثم يمرّر هذا المدخل إلى نموذج يعمل محليًا عبر Ollama ليصوغ إجابة عربية موجزة.
مسؤوليتي
قائد المشروع
- حدّد نطاق المنتج والمشكلة التي يعالجها
- قاد فريق التخرج من الفكرة إلى نموذج أولي عامل
- اتخذ قرار إبقاء الاسترجاع والتوليد على الجهاز المحلي
- صمّم سلوك المساعد وطريقة تنظيم المعرفة في الأسئلة الشائعة
البنية وسير العمل
- 01 · المدخلات
سؤال بالعربية
- 02 · المعالجة
تنقية النص (NLTK)
- 03 · الذكاء
مطابقة دلالية مع الأسئلة الشائعة
- 04 · المخرجات
إجابة محلية عبر Ollama
كيف يعمل
- تُحمَّل أزواج الأسئلة والأجوبة من ملفات JSON داخل المستودع
- يُعالَج النص العربي مسبقًا وتُحذف كلمات الوقف العربية عبر NLTK
- تختار تمثيلات Sentence Transformers متعددة اللغات أقرب مدخل
- يولّد نموذج Ollama المعرَّف في Modelfile الإجابة محليًا
- يُحتفظ بآخر سؤال وجواب سياقًا خفيفًا للمتابعة
القرارات
محليًا لا سحابيًا
يعمل الاسترجاع والتوليد على الجهاز نفسه، فلا يغادر محتوى الجامعة ولا أسئلة الطلاب. كانت الخصوصية وثقة المؤسسة أهم من سهولة النموذج المستضاف.
الاستناد إلى أسئلة شائعة منتقاة
تنطلق الإجابة من أقرب سؤال وجواب منتقى بدل المعرفة العامة للنموذج. وإذا لم يوجد مدخل قريب بما يكفي فقد يجيب النموذج دون توجيه، وهو قيد يوثّقه المستودع بوضوح.
النتيجة الموثّقة
نموذج أولي عامل: واجهة محادثة، وواجهة برمجية للأسئلة، ومعالجة مسبقة للعربية، ومطابقة دلالية تغذي نموذجًا محليًا — ويمكن قراءته وتشغيله من المستودع العام. لم يُطلَق للطلاب، ولا تُدّعى أي نسبة لدقة الإجابات.
الحدود
- الاستناد غير مضمون: إذا لم يتجاوز أي مدخل حدّ التشابه يستمر التوليد دون سياق مرجعي.
- لا يوجد تقييم آلي لدقة الإجابات أو لاختلاق المعلومات.
- المصادر الرسمية التي بُنيت منها الأسئلة الشائعة غير موثّقة في المستودع بعد.
- ملفات النماذج المرفوعة تجعل المستودع كبير الحجم.
الخطوة التالية لو استمر
- بناء مجموعة اختبار عربية وقياس دقة الإجابات قبل أي إطلاق
- الاعتذار أو التحويل عند غياب مدخل قريب بدل الإجابة دون توجيه
- توثيق المصدر الرسمي لكل سؤال وجواب
- تجربة محدودة مع مجموعة من الطلاب والمرشدين الأكاديميين
الفكرة في رسم توضيحي
يبدأ الابتكار الحقيقي حين تحترم التقنية السياق والخصوصية واحتياجات الناس الفعلية.
مشاريع ذات صلة
- تحليلات الأمن · الخدمات الرقمية · 2025Absher Insight AIيقيّم أحداث الدخول وفق قواعد سلوكية قابلة للتفسير، ويعرض النشاط غير المعتاد في لوحة متابعة تشغيلية — وكل ذلك مبني على بيانات اصطناعية.نموذج أولي في هاكاثوناقرأ دراسة الحالة
- الرؤية الحاسوبية · سلامة الحشود · 2026Stadiumيقدّر عدد الأشخاص عند كل بوابة في الملعب من الفيديو، وينبّه إلى الازدحام مبكرًا، ويقترح أين يُعاد توزيع الموظفين.نموذج أولي عاملاقرأ دراسة الحالة
هل تعمل على شيء مشابه؟
حدّثني عن المشكلة، أو اختر نسخة السيرة المناسبة للوظيفة — وفي الحالتين ستصلك إجابة مباشرة.