في عالم المكتبات والبحوث، تُعتبر عملية الفهرسة الذاتية للأدبيات العلمية من المهام الأساسية التي تتطلب دقة عالية وفهم عميق للمصطلحات المستخدمة. وفي هذا السياق، تبرز دراسة جديدة أجرتها بعض الفرق البحثية، حيث تناولت فعالية الذكاء الاصطناعي التوليدي (Generative AI) مقارنة بأساليب التصنيف المعتمدة على التعلم الخاضع (Supervised Learning) في فهرسة الأدب العلمي الألماني.

تستخدم الدراسة مجموعة واسعة من المفردات المتخصصة كمدخلات، حيث تم تصنيف الأدب العلمي الحديث باستخدام أساليب متعددة لتحسين الفهرسة. تم استخدام خوارزميات تعتمد على نموذج اللغات الضخمة (Large Language Models) بالإضافة إلى الأساليب التقليدية، مما أضاف طبقة من التعقيد والتنوع في الأساليب المستخدمة.

لم تقتصر الدراسة على مقارنة النتائج بعدد الفئات التي تم تصنيفها فقط، بل شملت أيضًا تقييمًا شمل مقاييس متعددة مثل الدقة المئوية والملاءمة الكلية للمصادر المُفهرسة سابقًا. أظهر الباحثون أن الخوارزميات المعتمدة على التعلم الخاضع، خاصة تلك التي تستخدم ميزات قائمة على المحولات (Transformers)، تقدم نتائج عالية من حيث مقاييس الملاءمة الأساسية.

لكن، عندما يتعلق الأمر بالملاءمة المرتبة والأداء في رأس الموضوعات الطويلة، سجلت الأساليب التوليدية نتائج أكثر دقة، مما يجعلها بديلاً واعدًا للاستخدام المستقبلي. هذه النتائج تُعزز الفكرة القائلة بأن الذكاء الاصطناعي التوليدي يمكن أن يكون له دور محوري في تحسين الفهرسة العلمية، ويمكن أن يحدث ثورة في منهجيات البحث الأكاديمي.
كيف ترون دور الذكاء الاصطناعي التوليدي في فهرسة الأدب العلمي؟ شاركونا آراءكم في التعليقات!