Arabic:اللغة العربية في العصر الرقمي

مقدمة

تعيش اللغة العربية اليوم في بيئة رقمية تتشابك فيها الكتابة والبرمجة والبحث والشبكات الاجتماعية والذكاء الاصطناعي. لم يعد السؤال مقتصرًا على كيفية عرض الحروف العربية على الشاشة، بل أصبح يشمل كيفية ترميزها وفهرستها وتحليلها آليًا، وكيف تتغير أنماط الكتابة حين تنتقل من الكتاب والبحث الأكاديمي إلى الرسائل الفورية والمنصات الاجتماعية ومحركات البحث والنماذج اللغوية.

هذا المقرر الجامعي يدرس العربية بوصفها نظامًا لغويًا حيًا وبيانات رقمية في الوقت نفسه. ستتعرف إلى يونيكود، واتجاه النص من اليمين إلى اليسار، والخطوط الرقمية، والمدونات اللغوية، واللهجات، والعربيزي، والتحول بين اللغات، وتقنيات البحث والاسترجاع، ومعالجة اللغة الطبيعية، والذكاء الاصطناعي. كما ستتعلم كيف تقرأ نتائج الدراسات النقدية بدل التعامل مع التقنية على أنها أداة محايدة تمامًا.

لا يتطلب المقرر خبرة برمجية متقدمة. يكفي أن تكون لديك معرفة أساسية بالنحو والصرف، وقدرة على استخدام الويب وأدوات البحث، واستعداد لتحليل أمثلة لغوية وبيانات نصية. إذا كنت تدرس اللسانيات أو الإعلام أو علوم الحاسوب أو الترجمة أو التربية أو الإنسانيات الرقمية، فستجد مسارات تطبيق مباشرة لمحتوى المقرر.

لوحة مفاتيح ثنائية الكتابة توضح أن إدخال العربية جزء من البنية اليومية للحوسبة

أهداف التعلم

بعد إتمام هذا المقرر ستكون قادرًا على:

1. التمييز بين ترميز المحارف وشكل الحرف المعروض واتجاه النص في البيئة الرقمية.
2. تحليل عينات من التواصل العربي على الإنترنت من حيث الفصحى واللهجة والعربيزي والتحول بين اللغات.
3. تفسير مبادئ بناء مدونة لغوية رقمية واستخدامها في البحث الكمي والنوعي.
4. شرح أثر التطبيع الإملائي والتجزئة الصرفية والتجذير في استرجاع المعلومات والبحث العربي.
5. تقييم بعض تحديات معالجة العربية آليًا، مثل الغنى الصرفي وغياب التشكيل والتنوع اللهجي.
6. نقد نتائج النماذج اللغوية والذكاء الاصطناعي من حيث التحيز والتمثيل والدقة والخصوصية.
7. اقتراح مصطلحات وسياسات وطرائق بحث تراعي تنوع العربية واستعمالاتها في التعليم العالي والبحث العلمي.

من الحرف إلى البنية الرقمية

الترميز ليس هو الخط

عندما تكتب كلمة عربية في مستند أو رسالة، يمر النص بعدة طبقات. في طبقة الترميز يُمثَّل كل محرف بمعرّف معياري. وفي طبقة التشكيل الطباعي تختار منظومة العرض الشكل الرسومي الملائم للحرف بحسب موضعه واتصاله بما يجاوره. ثم تتولى طبقة اتجاه النص تنظيم عرض المقاطع العربية واللاتينية والأرقام وعلامات الترقيم في السطر.

يونيكود هو المعيار الأهم الذي يسمح بتبادل النصوص بين الأنظمة والبرامج من دون الاعتماد على ترميز محلي خاص بكل جهاز. وجود رمز موحد للمحرف لا يعني أن كل الخطوط ستعرضه بالطريقة نفسها؛ فالخط الرقمي يحدد هيئة الرسم والمسافات والتناسب البصري، بينما يحدد الترميز هوية المحرف نفسها.

جدول رسومي يوضح جزءًا من المحارف المخصصة للكتابة العربية في يونيكود

قد يظل النص المرمز واحدًا بينما تختلف هيئته الطباعية باختلاف الخط الرقمي

اتجاه الكتابة والنص ثنائي الاتجاه

العربية تُقرأ عادة من اليمين إلى اليسار، لكن البيئة الرقمية كثيرًا ما تمزجها بنص يسير من اليسار إلى اليمين، مثل أسماء الملفات والروابط والأرقام والرموز البرمجية. لهذا السبب تعتمد الأنظمة خوارزمية معيارية للنص ثنائي الاتجاه. الفكرة الأساسية أن المحارف تُخزَّن في ترتيب منطقي، ثم تُحسب طريقة عرضها بحسب اتجاه كل مقطع وسياقه.

تأمل المثال التعليمي: حفظت الملف report-2026.pdf في المجلد. قد يبدو ترتيب علامات الترقيم أو الأرقام مربكًا في بعض البرامج إذا لم تُطبَّق قواعد الاتجاه تطبيقًا صحيحًا. لذلك فإن دعم العربية الجيد لا يقتصر على وجود الحروف، بل يشمل أيضًا محرك تشكيل مناسبًا وتنفيذًا صحيحًا لقواعد الاتجاه ومعالجة السياقات المختلطة.

واجهة عربية رقمية تجمع البحث والقراءة والتحرير ضمن تخطيط من اليمين إلى اليسار

التطبيع الإملائي: قرار تقني له أثر لغوي

توجد في النصوص العربية اختلافات كتابية قد تؤثر في البحث والتحليل، مثل وجود التشكيل أو غيابه، واستعمال التطويل، وبعض صور الألف والهمزة. لذلك تستخدم تطبيقات كثيرة التطبيع الإملائي قبل الفهرسة أو التدريب. قد يزيل النظام علامات التشكيل أو التطويل، وقد يقرر في سياق بحثي معين توحيد بعض صور الألف لزيادة فرصة المطابقة.

لكن التطبيع ليس عملية بريئة دائمًا. حذف الفروق قد يزيد الاستدعاء، أي العثور على مزيد من النتائج ذات الصلة، لكنه قد يقلل الدقة إذا أصبحت كلمات مختلفة متشابهة أكثر من اللازم. لهذا ينبغي أن يتبع التطبيع هدف المهمة: ما يصلح لمحرك بحث عام قد لا يصلح لطبعة لغوية نقدية أو لنظام تعليمي يدرس الإملاء.

العربية على الإنترنت: الفصحى واللهجات والكتابة الهجينة

الازدواجية والتنوع في التواصل الرقمي

تجمع البيئة العربية بين العربية الفصحى الحديثة ولهجات محلية عديدة، ويستطيع المستخدم نفسه الانتقال بين مستويات لغوية مختلفة بحسب الموقف والجمهور والمنصة. في إعلان جامعي رسمي قد تسود الفصحى، بينما تظهر لهجة محلية في محادثة الأصدقاء، وقد يدخل لفظ إنجليزي تقني داخل جملة عربية. هذا التنوع ليس «خطأ» في ذاته؛ بل هو مادة أساسية في اللسانيات الاجتماعية ودراسة الهوية والسياق والأسلوب.

أظهرت دراسات معالجة العربية أن التحول بين الفصحى واللهجات حاضر بقوة في الكتابة على الشبكات الاجتماعية، وأن هذا يخلق صعوبات للنظم الآلية التي تدربت على نمط واحد فقط. كما أن اللهجات ليست وحدات متجانسة؛ فداخل كل إقليم فروق محلية واجتماعية وجيلية، وقد تتقارب اللهجات المتجاورة إلى درجة يصعب معها على المصنفات الآلية فصلها بدقة.

عينات تعليمية من التواصل على الشبكات

الأمثلة الآتية مصطنعة لأغراض تعليمية ولا تنقل منشورات حقيقية ولا بيانات شخصية. وهي تبسط ظواهر معقدة، فلا تمثل جميع الاستعمالات داخل أي مجتمع لهجي.

النمط	مثال تعليمي	ملاحظة تحليلية
فصحى مؤسسية	سيبدأ البث المباشر للندوة عند السادسة، وسيُنشر التسجيل لاحقًا.	تراكيب فصيحة ونبرة رسمية ومصطلحات مستقرة نسبيًا.
فصحى تواصلية	سأرسل الرابط بعد قليل، ومن لديه سؤال فليكتبه هنا.	فصحى بسيطة قريبة من الاستعمال اليومي الرقمي.
مثال لهجي مصري	هبعت اللينك بعد المحاضرة.	مفردات ولهجة محلية مع اقتراض تقني شائع.
مثال لهجي شامي	رح ابعت الرابط بعد المحاضرة.	أداة مستقبل وصيغة فعل تختلفان عن الفصحى.
عربيزي	ra7 ab3at el link ba3d el mo7adara	تمثيل عربي بحروف لاتينية وأرقام، ولا توجد له قاعدة موحدة واحدة.
مزج لغوي	سأرفع الملف على cloud بعد الاجتماع.	تحول داخل الجملة بين العربية ومصطلح تقني إنجليزي.

مثال بصري لكتابة الدردشة العربية بالحروف اللاتينية والأرقام

العربيزي والتحول بين اللغات

العربيزي تسمية شائعة لكتابة العربية بالحروف اللاتينية مع إمكان استخدام أرقام لتمثيل أصوات لا يقابلها حرف لاتيني مباشر في الاستعمال الشعبي. من الأمثلة الشائعة استعمال 3 لتمثيل العين و7 لتمثيل الحاء، لكن هذه المراسلات ليست معيارًا ثابتًا، وقد تختلف باختلاف المنطقة والمتكلم والعادة الشخصية.

أما التحول بين اللغات فيظهر حين ينتقل الكاتب بين العربية والإنجليزية أو الفرنسية أو غيرهما داخل المحادثة أو الجملة. وقد يجتمع ذلك مع العربيزي في النص نفسه. بالنسبة للباحث الحاسوبي، يصبح تحديد لغة كل كلمة أو لهجتها تحديًا، لأن الكلمات القصيرة والأسماء والعلامات التجارية قد تكون ملتبسة، ولأن حدود اللغة في التواصل اليومي ليست دائمًا حادة.

المدونات الرقمية بوصفها مختبرًا لغويًا

ما المدونة اللغوية؟

المدونة اللغوية مجموعة منظمة من النصوص تُجمع وفق هدف بحثي واضح، وتُرفق غالبًا ببيانات واصفة مثل المصدر والتاريخ والنوع النصي، وقد تُضاف إليها تعليقات لغوية مثل نوع الكلمة أو الجذر أو اللمّة أو الكيان المسمى. لا تكفي الضخامة وحدها لجعل المدونة جيدة؛ فالعينة يجب أن تكون ملائمة للسؤال البحثي، وأن يكون مصدر البيانات وحقوق استخدامها واضحين.

يمكن للمدونات أن تجيب عن أسئلة مثل: ما الكلمات التي تظهر مع كلمة رقمي؟ كيف تغير تواتر منصة أو وسم بمرور الزمن؟ هل يختلف استعمال صيغة معينة بين الأخبار والشبكات الاجتماعية؟ ما السمات التي تساعد نظامًا آليًا على التمييز بين الفصحى ولهجة محلية؟

من التواتر إلى السياق

أبسط قياس في المدونة هو التواتر، لكنه لا يكفي وحده. قد تكون كلمة كثيرة التكرار بسبب طبيعة العينة لا بسبب أهميتها في اللغة عامة. لذلك يستخدم الباحث أيضًا الموافقات السياقية التي تعرض الكلمة في محيطها، وقياسات التشارك اللفظي التي تساعد على كشف الكلمات التي تميل إلى الظهور معًا، والمقارنة بين مدونات فرعية موزعة حسب الزمن أو النوع أو المنطقة.

في بحث جامعي صغير، يمكنك بناء مدونة من نصوص متاحة قانونيًا، ثم تنظيفها وإزالة التكرار وتوثيق مصدر كل جزء. بعد ذلك تقارن بين نتائج العد اليدوي والأدوات الآلية. هذه الخطوات تكشف أن «البيانات» ليست واقعًا خامًا؛ بل نتيجة قرارات في الجمع والتنظيف والتصنيف.

دراسات حالة في الموارد العربية

يقدم مشروع OSIAN مثالًا على مدونة أخبار عربية واسعة جُمعت من مواقع إخبارية دولية؛ وصف إصدار 2019 نحو 3.5 ملايين مقالة، وأكثر من 37 مليون جملة، وما يقارب مليار وحدة نصية، مع بيانات واصفة وتحليلات صرفية. هذا المثال يوضح إمكان بناء موارد كبيرة من الويب، لكنه يذكرنا أيضًا بأن مدونة الأخبار لا تمثل لغة المحادثات أو جميع اللهجات.

أما مشروع MADAR فطور موارد ومهامًا للتعرف الدقيق على اللهجات العربية على مستوى المدن والبلدان. وأظهر تحليل منشور في 2023 أن التمييز بين اللهجات المتقاربة يظل صعبًا حتى للنماذج المتقدمة، وأن بنية مجموعة الاختبار نفسها قد تُدخل مصادر للالتباس.

وفي دراسة منشورة عام 2022 عن العربيزي، جرى وسم بيانات من وسائل التواصل على مستوى الكلمة لتحديد اللغة داخل نصوص تمزج العربيزي بالإنجليزية والفرنسية والعربية المكتوبة بالحرف العربي. هذا النوع من الموارد يجعل الظاهرة الاجتماعية قابلة للقياس الحاسوبي من دون افتراض أن كل منشور ينتمي إلى لغة واحدة فقط.

وفي 2026 قُدمت مدونة الخليل المفتوحة المصدر ضمن موارد جديدة للفصحى الحديثة؛ وذُكر أن أحد مكوناتها يضم نحو 76 مليون كلمة من مصادر وموضوعات ومناطق متعددة. يمثل ذلك اتجاهًا متناميًا نحو موارد عربية أوسع وأكثر تنوعًا وإتاحة للبحث.

البحث العربي واسترجاع المعلومات

لماذا لا تكفي المطابقة الحرفية؟

لو بحثت عن كلمة جامعة فقد ترغب في العثور على بالجامعة وللجامعة وجامعات أيضًا. المطابقة الحرفية البسيطة قد تفوّت كثيرًا من النتائج بسبب التصريف واللواصق. ولهذا تستخدم أنظمة البحث مزيجًا من التطبيع والتجزئة الصرفية والتجذير أو الإرجاع إلى اللمّة، إضافة إلى نماذج ترتيب تعتمد على تكرار المصطلحات أو التمثيلات الدلالية الحديثة.

في العربية يمكن أن تلتصق حروف العطف والجر وأداة التعريف والضمائر بالكلمة. مثلًا، قد يحتاج النظام إلى تحليل وبالجامعة إلى مقاطع صرفية أصغر بدل معاملتها كسلسلة لا علاقة لها بكلمة جامعة. هذا التحليل قد يحسن الاسترجاع، لكنه يفتح بابًا للأخطاء إذا فُصلت المقاطع بطريقة لا تناسب المعنى المقصود.

التجذير واللمّة والتجزئة

التجذير يحاول رد الكلمات إلى صيغة مختصرة تساعد على جمع الأشكال المتقاربة، بينما الإرجاع إلى اللمّة يسعى إلى ربط الصيغة المصرفة بمدخل معجمي أكثر دقة. أما التجزئة الصرفية فتفصل اللواصق والمكونات. لا توجد تقنية واحدة مثالية لكل مهمة؛ فالبحث القانوني الدقيق قد يحتاج إلى المحافظة على فروق لا يهتم بها بحث عام سريع.

من الأخطاء الشائعة الاعتقاد أن الوصول إلى الجذر يكفي دائمًا لفهم المعنى. فالكلمات المشتقة من جذر واحد قد تتباعد دلاليًا، وبعض الأسماء الأجنبية أو المصطلحات الحديثة لا تنسجم بسهولة مع قوالب الجذور التقليدية. لذلك تميل الأنظمة الحديثة إلى الجمع بين التحليل الصرفي والسياق والإحصاء أو التمثيلات العصبية.

الدقة والاستدعاء في تجربة بحث بسيطة

إذا وسعت نظام البحث ليعيد أشكالًا أكثر من الكلمة، فقد يرتفع الاستدعاء لأنك تفقد نتائج أقل. لكن إذا أصبح التوسيع واسعًا جدًا فقد تظهر نتائج بعيدة عن المقصود، فتتراجع الدقة. لهذا يمكن تقييم نظامين على مجموعة أسئلة معروفة الإجابات بدل الحكم على جودة البحث من انطباع واحد.

جرّب ذهنيًا استعلامين: إدارة جامعية وادارة جامعية. نظام حساس للهمزة قد يعطي مجموعتين مختلفتين، بينما نظام يطبق تطبيعًا بحثيًا قد يقربهما. القرار المناسب يتوقف على هدف المستخدم وطبيعة الفهرس.

المصطلح الرقمي والتغير اللغوي

كيف تدخل المفاهيم الجديدة إلى العربية؟

تتطور المصطلحات الرقمية عبر مسارات متعددة: الترجمة، والاشتقاق، والتعريب الصوتي، والاختصار، والمزج بين اللغات. تقول العربية المعاصرة الحوسبة السحابية ومنصة وتطبيق وخوارزمية، وفي الاستعمال اليومي قد تسمع أيضًا إيميل وهاشتاغ وبودكاست وبوت. وجود بدائل متعددة لا يعني بالضرورة أن أحدها سيختفي سريعًا؛ فالاختيار يتأثر بالمؤسسة والتخصص والجمهور والمنصة.

المصطلح الجامعي الجيد يحتاج إلى تعريف دقيق واستعمال متسق، لكن الباحث في اللغة الرقمية لا ينبغي أن يحذف الأشكال غير المعيارية من بياناته لمجرد أنها أقل رسمية؛ فقد تكون هذه الأشكال بالذات دليلًا على تغير لغوي أو انتماء اجتماعي أو انتقال مصطلح من جماعة تقنية إلى جمهور أوسع.

مؤشرات التغير في البيانات الرقمية

يمكن تتبع تغير المصطلحات بقياس تواترها عبر الزمن، وملاحظة السياقات التي تظهر فيها، ومقارنة المنصات أو الأجيال أو المجالات المهنية. لكن بيانات المنصات ليست مرآة كاملة للمجتمع: قد تتغير سياسات المنصة، أو طريقة جمع البيانات، أو خصائص الجمهور، أو الخوارزميات التي تحدد ما يراه المستخدمون.

لذلك يجب الفصل بين تغير اللغة وتغير العينة. ارتفاع كلمة في مدونة ما قد يعني انتشارها فعلاً، وقد يعني ببساطة أن مصدر البيانات صار يجمع نصوصًا من مجتمع يستعملها أكثر. هذه نقطة منهجية أساسية في الدراسات الطولية للغة على الإنترنت.

معالجة العربية بالذكاء الاصطناعي

من التحليل الصرفي إلى النماذج اللغوية

تشمل معالجة اللغة الطبيعية مهامًا مثل تجزئة النص، والتحليل الصرفي، وتحديد نوع الكلمة، والتعرف على الكيانات المسماة، وتحليل المشاعر، والترجمة الآلية، والإجابة عن الأسئلة، وتحويل الكلام إلى نص. العربية تفرض تحديات إضافية بسبب الغنى الصرفي، وتنوع الإملاء، وشيوع النص غير المشكول، والازدواجية بين الفصحى واللهجات.

توفر CAMeL Tools مجموعة مفتوحة المصدر لمعالجة العربية تشمل أدوات للمعالجة المسبقة والنمذجة الصرفية والتعرف على اللهجة والكيانات المسماة وتحليل المشاعر. وفي 2024 قدم Camel Morph MSA محللًا ومولدًا صرفيًا مفتوح المصدر للفصحى الحديثة يضم أكثر من مئة ألف لمّة، ما يوضح حجم العمل المطلوب لبناء تغطية صرفية واسعة.

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

النماذج المدربة مسبقًا والنماذج اللغوية الكبيرة

أحدثت النماذج المدربة مسبقًا تحولًا في معالجة العربية. مثال مبكر مؤثر هو AraBERT الذي دُرب خصيصًا على العربية وأظهر تحسنًا في عدد من مهام الفهم اللغوي مقارنة بخطوط أساس سابقة. ثم توسع المجال مع النماذج متعددة اللغات والنماذج اللغوية الكبيرة التي تستطيع التوليد والتلخيص والترجمة والحوار.

لكن الطلاقة لا تضمن الصحة. قد ينتج النموذج عبارة سليمة نحويًا لكنها غير صحيحة واقعيًا، أو يخلط بين لهجتين، أو يفضل الصيغ الأكثر حضورًا في بيانات التدريب، أو يعجز عن فهم كلمة محلية قليلة التمثيل. لهذا لا ينبغي تقييم النماذج العربية بمثال واحد أو بالفصحى وحدها.

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

التحيز والتمثيل والخصوصية

إذا كانت بيانات التدريب غنية بالأخبار الرسمية وفقيرة بالمحادثات أو بعض اللهجات، فسيكون تمثيل النموذج غير متوازن. وإذا جمعت البيانات من منصات عامة من دون عناية بالخصوصية، فقد تنقل معلومات شخصية أو أنماطًا حساسة إلى مجموعات التدريب. لذلك تتطلب الممارسة المسؤولة توثيق المصدر والترخيص، وتقليل البيانات الشخصية، وفحص التوزيع اللهجي والجغرافي والنوعي، وتقييم الأخطاء بصورة منفصلة بين المجموعات.

لا يكفي أن نقول إن نموذجًا ما «يدعم العربية». السؤال الأدق: أي عربية؟ هل اختُبر على الفصحى واللهجات؟ هل يتعامل مع النص المشكول وغير المشكول؟ مع العربيزي؟ مع المزج اللغوي؟ مع الكتابة القصيرة؟ مع المجالات الطبية والقانونية والتعليمية؟ الإجابات عن هذه الأسئلة تحدد مدى صلاحية الأداة في سياق حقيقي.

اللسانيات الحاسوبية بوصفها مجالًا بينيًّا

تحتاج معالجة العربية إلى تعاون بين علماء اللغة والحاسوب والإحصاء وتصميم التفاعل وأخلاقيات البيانات. الخوارزمية التي لا تفهم خصائص الصرف قد تخسر معلومات مفيدة، والتحليل اللغوي الذي لا يعرف حدود البيانات قد يعمم نتائج لا تسمح بها العينة. المجال القوي يجمع بين الوصف اللغوي والتجربة القابلة للتكرار والتقييم الكمي والتحليل النوعي للأخطاء.

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

البيئة الرقمية العربية تجمع بين اللغة الطبيعية والرموز التقنية في واجهة واحدة

مستقبل العربية في البيئات الرقمية

من دعم الخط إلى عدالة التمثيل

كان جزء كبير من التحدي الرقمي المبكر متعلقًا بإظهار الحروف واتجاهها بصورة صحيحة. اليوم اتسع السؤال ليشمل جودة الموارد، وتمثيل اللهجات، وإتاحة الأدوات المفتوحة، ومعايير التقييم، وحماية الخصوصية، وإمكان البحث في التراث والعلوم والمحتوى المعاصر معًا.

من المرجح أن يزداد حضور العربية في الترجمة الفورية والمساعدات الذكية والتعليم التكيفي والبحث الدلالي وتحليل الصوت والصورة والنص. غير أن جودة هذه التطبيقات ستعتمد على تنوع البيانات ووضوح التراخيص ومشاركة خبراء العربية في التصميم، لا على زيادة حجم النماذج وحدها.

مبادئ عملية لمستقبل أفضل

يمكن للجامعات ومراكز البحث المساهمة عبر إنشاء مدونات موثقة ومتوازنة، ونشر أدوات مفتوحة حين تسمح الحقوق بذلك، وتطوير معايير اختبار تشمل اللهجات والمزج اللغوي، وتدريب الطلاب على نقد المخرجات الآلية. كما ينبغي إشراك المجتمعات المحلية في تحديد ما يعد تمثيلًا مناسبًا للغاتهم ولهجاتهم بدل اختزال التنوع في تصنيف تقني بسيط.

أما على مستوى المستخدم، فالمهارة الأهم هي الثقافة اللغوية الرقمية: أن تعرف متى تثق بالأداة، ومتى تتحقق، وكيف تصوغ استعلامًا جيدًا، وكيف تفرق بين خطأ لغوي وخيار أسلوبي، وكيف تحمي بياناتك وبيانات الآخرين. المستقبل الرقمي للعربية ليس مسارًا تقنيًا منفصلًا عن المجتمع؛ إنه نتيجة قرارات بشرية في التعليم والبحث والتصميم والسياسات.

دراسات ومصادر أكاديمية

1. متطلبات عرض العربية والفارسية على الويب: وثيقة من اتحاد شبكة الويب العالمية تشرح اتجاه النص وتخطيط الكتابة العربية في تقنيات الويب.
2. خوارزمية يونيكود للنص ثنائي الاتجاه: مرجع معياري لعرض النصوص التي تمزج الاتجاهين.
3. مدونة الأخبار العربية الدولية المفتوحة: دراسة تصف موردًا عربيًا واسعًا مبنيًا من أخبار الويب.
4. مهمة مدار للتعرف الدقيق على اللهجات العربية: مثال بحثي على تصنيف اللهجات على مستويات جغرافية دقيقة.
5. تحليل أخطاء التعرف على اللهجات في مدونة مدار: دراسة تبين حدود النماذج عند التفريق بين اللهجات المتقاربة.
6. دراسة التعرف على العربيزي والتحول بين اللغات: مورد وتحليل لبيانات اجتماعية مختلطة اللغات والكتابات.
7. أدوات كامِل لمعالجة العربية: وصف لمجموعة أدوات مفتوحة المصدر للتحليل والمعالجة الآلية.
8. محلل كامِل الصرفي للفصحى الحديثة: مورد صرفي واسع ومفتوح المصدر.
9. مراجعة معالجة العربية المتحولة بين اللغات: مراجعة للتقدم والتحديات والفجوات البحثية في هذا المجال.
10. مدونة الخليل المفتوحة للفصحى الحديثة: مثال حديث على توسيع الموارد العربية المفتوحة والمتوازنة موضوعيًا.

مهام تفاعلية

اختبار: اختبر معرفتك

ما الوظيفة الأساسية ليونيكود في التعامل مع العربية رقميًا؟ (ترميز المحارف بمعرفات معيارية قابلة للتبادل بين الأنظمة) (!تحويل جميع اللهجات إلى الفصحى تلقائيًا) (!اختيار الخط الطباعي الأفضل لكل مستخدم) (!ترجمة النص العربي إلى الإنجليزية)

لماذا تحتاج العربية إلى معالجة للنص ثنائي الاتجاه في كثير من التطبيقات؟ (لأن السطر قد يجمع العربية مع الأرقام والمقاطع اللاتينية) (!لأن العربية لا يمكن تخزينها في ترتيب منطقي) (!لأن كل كلمة عربية تكتب في اتجاه مختلف) (!لأن الحروف العربية لا تعمل مع علامات الترقيم)

ما الذي يجعل المدونة اللغوية مفيدة للبحث العلمي؟ (جمع نصوص وفق هدف موثق مع إمكان وصفها وتحليلها) (!احتواؤها على أكبر عدد ممكن من الكلمات فقط) (!اقتصارها على نصوص فصحى رسمية) (!خلوها من أي بيانات واصفة)

ما المقصود بالعربيزي في هذا المقرر؟ (كتابة العربية بالحروف اللاتينية وقد تستخدم أرقامًا لتمثيل بعض الأصوات) (!نظام رسمي موحد لكتابة العربية في الجامعات) (!لهجة عربية جديدة لا تكتب بالحرف العربي) (!برنامج لتحويل الصوت إلى نص)

ما المقصود بالتحول بين اللغات في التواصل الرقمي؟ (الانتقال بين لغتين أو أكثر داخل التفاعل أو النص) (!تصحيح الأخطاء الإملائية آليًا) (!تغيير اتجاه الصفحة من اليمين إلى اليسار) (!استبدال كل الكلمات الأجنبية بمرادفات عربية)

ما أثر محتمل للتطبيع الإملائي في محرك البحث؟ (زيادة فرص مطابقة أشكال كتابية متقاربة) (!ضمان فهم المعنى المقصود في كل سياق) (!إلغاء الحاجة إلى فهرسة النصوص) (!منع ظهور الكلمات متعددة المعاني)

لماذا تساعد التجزئة الصرفية في البحث العربي؟ (لأن بعض اللواصق تتصل بالكلمة وتخفي شكلها المستقل) (!لأن العربية لا تحتوي على جذور أو أوزان) (!لأن كل كلمة عربية مكونة من مقطع واحد) (!لأن التجزئة تحول اللهجة إلى فصحى)

ما الذي أظهرته أبحاث التعرف الدقيق على اللهجات العربية؟ (أن الفصل بين اللهجات المتقاربة قد يظل صعبًا على النماذج) (!أن جميع اللهجات يمكن تمييزها بلا أخطاء) (!أن الفصحى واللهجات متطابقة صرفيًا دائمًا) (!أن الكتابة الرقمية تخلو من التحول بين الأنماط)

ما خطر تدريب نموذج عربي على بيانات غير متوازنة؟ (قد تتفاوت جودة النموذج بين الفصحى واللهجات والمجالات) (!سيصبح الترميز غير متوافق مع يونيكود) (!ستختفي الحروف المتصلة من الخطوط) (!ستتوقف محركات البحث عن استخدام الفهرسة)

ما الممارسة الأفضل عند تقييم نظام ذكاء اصطناعي للعربية؟ (اختباره على أنماط ولهجات ومهام متنوعة مع تحليل الأخطاء) (!الاكتفاء بمثال فصيح واحد ناجح) (!قياس سرعة الكتابة فقط) (!افتراض أن الطلاقة تعني صحة جميع المعلومات)

لعبة الذاكرة

يونيكود	معيار عالمي لترميز المحارف وتبادل النصوص بين الأنظمة
المدونة اللغوية	مجموعة نصوص منظمة ومصممة لغرض بحثي
التطبيع الإملائي	تقليل بعض الفروق الكتابية وفق هدف المعالجة
العربيزي	تمثيل العربية بالحروف اللاتينية وقد يتضمن أرقامًا
التحول اللغوي	انتقال المتكلم أو الكاتب بين لغات أو أنماط في السياق نفسه
التجزئة الصرفية	فصل اللواصق والمكونات التي تتصل بالكلمة
الاستدعاء	نسبة المواد ذات الصلة التي نجح نظام البحث في العثور عليها

السحب والإفلات

طابق المصطلح مع الوصف الصحيح.	المجال
النص ثنائي الاتجاه	تنظيم عرض المقاطع التي تسير في اتجاهين مختلفين
التجذير	رد أشكال متعددة إلى صيغة مختصرة تساعد على المطابقة
الإرجاع إلى اللمّة	ربط الصيغة المصرفة بمدخل معجمي مناسب
التعرف على اللهجة	تصنيف النص بحسب تنوع عربي محتمل
الكيان المسمى	اسم شخص أو مكان أو مؤسسة يتعرف إليه النظام
نموذج لغوي	نظام يتعلم احتمالات أو تمثيلات الأنماط في النصوص

كلمات متقاطعة

يونيكود	ما المعيار العالمي المستخدم لترميز المحارف؟
مدونة	ما اسم المجموعة المنظمة من النصوص المستخدمة في البحث اللغوي؟
عربيزي	ما اسم كتابة العربية بالحروف اللاتينية والأرقام في بعض السياقات الرقمية؟
تطبيع	ما العملية التي تقلل بعض الفروق الإملائية لأغراض المعالجة؟
لهجة	ما التنوع اللغوي المحلي الذي قد تحاول الخوارزمية التعرف إليه؟
خوارزمية	ما الاسم العام لسلسلة إجراءات حاسوبية تنفذ مهمة محددة؟

مهام مفتوحة

سهل

1. رصد المصطلحات الرقمية: اجمع عشرين مصطلحًا رقميًا عربيًا من مواقع تعليمية أو مؤسسية مفتوحة، ثم صنفها إلى ترجمة أو تعريب أو اشتقاق أو اقتراض مع توضيح سبب التصنيف.
2. مقارنة الخطوط العربية الرقمية: اكتب فقرة عربية قصيرة بخطين رقميين متاحين لديك، ثم صف الفروق في الوضوح والاتصال والمسافات من منظور القارئ.
3. تحليل عينة تواصل: أنشئ خمس جمل مصطنعة تمثل فصحى ولهجة وعربيزي ومزجًا لغويًا، ثم حدد السمات التي تسمح لك بتمييز كل نمط من دون استخدام بيانات شخصية حقيقية.
4. خريطة مفاهيم يونيكود: أنشئ خريطة مفاهيم تربط بين الترميز والمحرف والخط والتشكيل الطباعي واتجاه النص، وأضف مثالًا عربيًا لكل علاقة.

متوسط

1. مقارنة لهجية رقمية: اختر ظاهرة لغوية واحدة مثل أداة المستقبل أو النفي، وابحث عن أمثلة موثقة في مصدرين أكاديميين أو مدونتين قانونيتي الاستخدام، ثم قارن بين الفصحى ولهجتين عربيتين.
2. تجربة بحث عربية: صمم عشرة استعلامات عربية تختلف في الهمزات أو التشكيل أو اللواصق، واختبر كيف تتغير النتائج في محركي بحث أو أداتين مفتوحتين، ثم فسر أثر التطبيع الممكن.
3. بناء مدونة مصغرة: اجمع عينة صغيرة من نصوص عربية متاحة بترخيص واضح، ووثق المصدر والنوع والتاريخ، ثم احسب تواتر خمسة مصطلحات وافحص سياقاتها يدويًا.
4. تحليل عربيزي: كوّن قائمة تعليمية من عشرين كلمة عربيزي من مصادر بحثية منشورة، وقارن بين طرق تمثيل ثلاثة أصوات عربية، ثم ناقش لماذا يصعب بناء معيار واحد ثابت.

متقدم

1. تقييم نموذج لغوي عربي: صمم مجموعة اختبار صغيرة متوازنة بين الفصحى ولهجتين ومزج لغوي، واطلب من نموذج متاح توليد أو تصنيف النصوص، ثم حلل أنواع الأخطاء بدل الاكتفاء بنسبة نجاح واحدة.
2. مشروع فهرسة عربية: صمم نموذجًا أوليًا أو مخططًا لخدمة بحث عربية يوضح أين ستستخدم التطبيع والتجزئة واللمّة والترتيب الدلالي، وبيّن المخاطر التي قد تنتج من كل قرار.
3. دراسة تغير لغوي: اختر مصطلحًا رقميًا عربيًا له أكثر من بديل، واجمع شواهد مؤرخة من مصادر عامة قانونية، ثم حلل تغير التواتر والسياق مع الفصل بين تغير اللغة وتغير العينة.
4. تصميم سياسة بيانات عربية: اكتب سياسة قصيرة لبناء مجموعة بيانات عربية للبحث أو التعليم توضح الترخيص والخصوصية وتمثيل اللهجات والتوثيق وآلية مراجعة التحيز والأخطاء.

مجالات تعلم مرتبطة

اللغة العربية في العصر الرقمي اللسانيات الحاسوبية معالجة اللغة الطبيعية اللسانيات الاجتماعية ترميز يونيكود المدونات اللغوية البحث واسترجاع المعلومات اللهجات العربية الذكاء الاصطناعي

تتقاطع موضوعات هذا المقرر مع علوم اللغة وعلوم الحاسوب ودراسات الإعلام والترجمة والإنسانيات الرقمية وعلم المعلومات. ويمكن تحويل أي محور فيه إلى مشروع بحث جامعي: من تحليل المصطلح الرقمي، إلى بناء مدونة، إلى تقييم نظام بحث أو نموذج لغوي على بيانات عربية متنوعة.

مسرد

يونيكود: معيار عالمي يخصص معرفات للمحارف حتى يمكن تمثيل النص وتبادله بين الأنظمة المختلفة.

المحرف: وحدة مجردة في نظام الكتابة، مثل حرف أو رقم أو علامة، تميَّز عن الشكل الرسومي الذي يعرضه الخط.

التشكيل الطباعي: عملية اختيار الأشكال الرسومية ووصل الحروف وترتيبها بصريًا بحسب الخط والسياق.

النص ثنائي الاتجاه: نص يجمع مقاطع تسير من اليمين إلى اليسار وأخرى تسير من اليسار إلى اليمين.

التطبيع الإملائي: تحويل بعض الاختلافات الكتابية إلى صورة أكثر اتساقًا لتحقيق هدف بحثي أو حاسوبي محدد.

المدونة اللغوية: مجموعة نصوص منظمة وموثقة تُستخدم لتحليل الظواهر اللغوية كميا ونوعيًا.

العربيزي: كتابة العربية بالحروف اللاتينية مع إمكان استعمال أرقام لتمثيل بعض الأصوات.

التحول بين اللغات: الانتقال بين لغتين أو أكثر، أو بين أنماط لغوية، داخل التفاعل نفسه.

التجزئة الصرفية: فصل اللواصق والمكونات الصرفية المتصلة داخل الكلمة المكتوبة.

اللمّة: الصيغة المعجمية التي ترتبط بها أشكال صرفية متعددة للكلمة.

الدقة: نسبة النتائج المسترجعة التي تكون ذات صلة فعلاً بسؤال البحث.

الاستدعاء: نسبة النتائج ذات الصلة التي نجح النظام في استرجاعها من مجموع النتائج المطلوبة.

النموذج اللغوي: نموذج حاسوبي يتعلم أنماط اللغة واحتمالاتها أو تمثيلاتها من البيانات لأداء مهام الفهم أو التوليد.