في عالم يزداد فيه الاعتماد على الأدوات مفتوحة المصدر، يواجه العلماء تحديات كبيرة في الوصول إلى البرمجيات المناسبة من بين أكثر من 600 مليون مستودع على GitHub. وهذا التحدي يتزايد خاصة عند الحاجة إلى تلبية مصطلحات ومتطلبات مجال الحوسبة العلمية.

لذا، تم إطلاق مجموعة بيانات مصممة خصيصًا تضم 5,264 مستودعًا علميًا عالي الجودة، تم تصنيفها بشكل دقيق عبر خمس مجالات رئيسية من مديرية علوم ناسا، وهي: علم الأرض، الفيزياء الفلكية، علوم الكواكب، الفيزياء الشمسية، والعلوم البيولوجية والفيزيائية. هذه المجموعة تأتي غنية بمحتويات مهيكلة مثل ملفات README المنقحة، والمواضيع المستخرجة، وسياقات إضافية مستخلصة من الروابط.

ومع هذه المجموعة، تم تقديم معايير جديدة لاسترجاع المعلومات تشمل:
1. معيار بحث المستودعات يحتوي على 219 استفسارًا مصممًا من قبل علماء مختصين.
2. معيار استرجاع مقاطع الأكواد، والذي يضم 117,950 مقطع كود و119,720 استفسار عبر سبع لغات برمجة.

تظهر التقييمات الأساسية على معيار بحث المستودعات تباينًا كبيرًا في الأداء عبر المجالات العلمية المختلفة. كما يتضح أن استرجاع مقاطع الأكواد يشكل تحديًا ملموسًا، مدفوعًا باختلاف ممارسات التوثيق والمعايير البرمجية.

كل هذه البيانات والمعايير ستكون متاحة بشكل علني على منصة HuggingFace لتدعم الأبحاث في اكتشاف أدوات العلوم.

فما رأيكم في هذه الخطوة العلمية الجديدة؟ هل تعتقدون أنها ستحدث فرقًا كبيرًا في الأبحاث العلمية؟ شاركونا آراكم في التعليقات!