نموذج إرشادي: مكتبة جامعية تفعّل البحث الذكي على أرشيف رسائل الماجستير والدكتوراه

تفاصيل السيناريو

مقدمة عن السيناريو

نموذج إرشادي لمكتبة جامعية عربية متوسطة الحجم تحوّل آلاف رسائل الماجستير والدكتوراه المخزّنة كملفات PDF إلى قاعدة معرفة قابلة للبحث الذكي، تخدم الطلاب والباحثين بـ AI محلي يحمي حقوق المؤلفين والخصوصية.

توصيف المشكلة

مكتبة جامعية تراكم لديها على 30+ سنة آلاف الرسائل الجامعية (ماجستير، دكتوراه) بالعربية والإنجليزية. النظام الحالي: PDFs على خادم ملفات، فهرسة عبر metadata فقط (العنوان، المؤلف، التاريخ، الكلمات المفتاحية). الطلاب يبحثون بكلمات مفتاحية فيجدون 200 رسالة “محتملة”، يفتحون كلاً يدوياً للتأكد. عملية بحث رسالة واحدة قد تأخذ يوماً. الباحثون الأكاديميون يفضّلون البحث على Google Scholar حيث يستطيعون قراءة الـ snippets، رغم أن المحتوى الذي يحتاجونه قد يكون في رسالة جامعية محلية لم تُفهرس.

الأدوات المستخدمة

• open-webui: أداة مستخدمة في سير العمل.
• ollama: أداة مستخدمة في سير العمل.
• qdrant: أداة مستخدمة في سير العمل.
• tika: أداة مستخدمة في سير العمل.
• tesseract: أداة مستخدمة في سير العمل.
• n8n: أداة مستخدمة في سير العمل.
• coolify: أداة مستخدمة في سير العمل.

مسار العمل (Workflow)

بناء stack BAG محلي بالكامل على خادم الجامعة: • Open WebUI + Ollama (qwen2.5:32b للجودة) + bge-m3 (embedding عربي/إنجليزي) • Qdrant كـ vector DB (الأرشيف ضخم، Chroma لا يكفي) • Apache Tika + Tesseract OCR للرسائل الممسوحة ضوئياً • n8n لـ pipeline الفهرسة الأولية ومتابعة الإضافات الجديدة • صلاحيات: Workspaces في Open WebUI مطابقة لصلاحيات المكتبة (public، students، restricted) • واجهة: الباحث/الطالب يدخل ببيانات الجامعة، يرى الـ workspace المسموح له، يطرح أسئلة بلغة طبيعية • Citations دقيقة: كل ادعاء يأتي مع اسم الرسالة + المؤلف + رقم الصفحة

النتائج والفرق في الأداء

• قبل التطبيق:
• بعد التطبيق:

التكلفة التقديرية

الدروس المستفادة

• موافقة قسم IT أصعب من البناء التقني نفسه — استثمر شهرين في الإقناع قبل أن تبدأ ساعة واحدة في التركيب • Permissions في Qdrant + Open WebUI يحتاج اختباراً دقيقاً (3-4 أسابيع) قبل الإطلاق العلني • OCR على PDFs الممسوحة قديمة العهد ضرورة لا اختيار — الجدول الزمني يجب أن يحوي شهراً كاملاً لها • Ollama قد لا يفهم بعض المصطلحات الأكاديمية المتخصصة بدقة — Glossary للمصطلحات الجامعية يحسّن الإجابات • Top-K كبير (15-20) أفضل من صغير للأبحاث الأكاديمية حيث الباحث يقدّر التنوع • تكامل LDAP يستحق الاستعانة بمستشار خارجي إذا لم تكن لدى الجامعة الخبرة — توفير شهور تجريب • Dashboard للمكتبيين تكتشف أن المكتبة مواضيع مطلوبة بكثرة لا توجد رسائل عنها — يوجّه قرارات قبول مواضيع جديدة للأبحاث القادمة • اعتراض بعض الأساتذة من ‘AI يستبدل البحث’ حقيقي — workshop بسيطة تشرح أن الأداة دلالة لا تفسير، تطمئن المعترضين • بعد سنة من الاستخدام، طلاب من جامعات أخرى يطلبون الوصول — اعتبار شراكة مع مكتبات أخرى