في عالم العلوم الطبية والاجتماعية، تُعتبر التجارب العشوائية (Randomized Controlled Trials) حجر الزاوية لفهم التأثيرات السببية بشكل دقيق، لكنها تتطلب تكاليف كبيرة ووقتاً طويلاً لإجرائها. لذلك، تزايد الاهتمام باستنتاج التأثيرات السببية بناءً على الأدلة التجريبية المتاحة.

في هذا السياق، قدم الباحثون منهجية جديدة تُدعى Query2Effect، وهي مرجع واسع النطاق يتكون من أكثر من 72,000 سؤال لغوي طبيعي تم تنسيقه مع أوصاف التجارب. يهدف هذا النظام إلى محاكاة سيناريوهات البحث عن المعلومات من خلال تغيير مستوى تحديد الاستفسار عبر ابعاد مثل الغموض، والتجريد، والعمق.

تتضمن الطريقة المقترحة خطوات متعددة؛ في الخطوة الأولى، يتم إنشاء تمثيل هيكلي اصطناعي للاستفسار، وفي الخطوة الثانية يتم تقدير حجم التأثير باستخدام نموذج تشفير تحت إشراف. أظهرت التجارب أن تحسين النموذج (finetuning) له تأثير كبير على أداء التنبؤ، حيث انخفض خطأ التقدير بنسبة تتراوح من -27% إلى -71% مقارنةً بالنماذج الجاهزة.

تسلط الدراسة الضوء على فوائد فصل التفسير الدلالي عن تقدير التأثير العددي، مما يعزز من التعميم خارج نطاق البيانات المدربة. هذا البحث يفتح آفاقاً جديدة في كيفية استخدام الذكاء الاصطناعي لتحسين القرارات المستندة إلى الأدلة، مما يمكن أن يكون له تأثيرات إيجابية عميقة في مجالات متعددة.