في إطار جهود جامعة آل البيت لتعزيز حضورها في المحافل العلمية الدولية، ودعم البحث العلمي والابتكار في مجالات التكنولوجيا الحديثة، شارك قسم علم البيانات والذكاء الاصطناعي في كلية تكنولوجيا المعلومات في المؤتمر الدولي الأول للابتكار المستدام في الهندسة والتكنولوجيا (ICSIE 2026)، الذي نظمته كلية الحجاوي للهندسة التكنولوجية في جامعة اليرموك، بمشاركة باحثين وأكاديميين من مختلف دول العالم.

ومثّل الجامعة في هذه المشاركة الطالب محمود عبيدات، من قسم علم البيانات والذكاء الاصطناعي، بالتعاون مع الدكتورة سهيله أبو عويضه من القسم نفسه، من خلال تقديم بحث علمي باللغة الإنجليزية بعنوان:

“A Multi-Dataset Study of Task Sequencing and Its Data-Size-Dependent Crossover”

وتناول البحث دراسة أثر ترتيب مهام التدريب في تحسين قابلية تفسير نماذج الذكاء الاصطناعي، باستخدام تقنيات تقطير المعرفة (Knowledge Distillation) والذكاء الاصطناعي القابل للتفسير (Explainable Artificial Intelligence)، مع التركيز على الحفاظ على قدرة النماذج على التنبؤ، وتعزيز دقة التفسيرات التي توضح مدى تأثير الخصائص المختلفة في قرارات النموذج.

واعتمدت الدراسة على مقارنة ثلاث استراتيجيات لتدريب النماذج، باستخدام نموذج XGBoost بوصفه نموذجًا مرجعيًا، وتقنيات SHAP لتحديد مساهمة الخصائص في التنبؤات، إلى جانب تدريب شبكة عصبية صغيرة قادرة على محاكاة مخرجات النموذج المرجعي وتفسيراته. كما شملت التجارب خمس مجموعات بيانات عامة في مجالات مالية وطبية وتسويقية وإحصائية، بهدف دراسة العلاقة بين حجم بيانات التدريب وترتيب المهام وأثرهما في جودة التفسيرات الناتجة.

وأظهرت النتائج أن ترتيب مهام التدريب يؤثر في جودة التفسيرات التي تنتجها النماذج، وأن الاستراتيجية الأنسب تختلف باختلاف حجم البيانات المتاحة. فقد حقق التدريب الذي يبدأ بتعلّم التفسيرات نتائج أفضل عند استخدام أحجام بيانات صغيرة ومتوسطة في تجربة التوسع، بينما حقق التدريب المشترك للمهام نتائج أفضل عند استخدام 20 ألف عينة. وتبرز هذه النتائج أهمية تصميم استراتيجيات تدريب تتناسب مع طبيعة البيانات وحجمها، بما يسهم في تطوير نماذج ذكاء اصطناعي أكثر كفاءة وقابلية للتفسير.

وتكتسب الدراسة أهمية علمية وتطبيقية من إسهامها في معالجة أحد التحديات المهمة في الذكاء الاصطناعي، والمتمثل في تحقيق التوازن بين كفاءة التنبؤ ووضوح التفسيرات، ولا سيما في التطبيقات التي تتطلب فهم أسباب القرارات الآلية والقدرة على مراجعتها وتقييم موثوقيتها. كما تقدم نتائجها مؤشرات عملية يمكن الاستفادة منها عند تصميم نماذج تعلم آلي تجمع بين سرعة التنفيذ والمحافظة على جودة التفسير.

وتعكس هذه المشاركة مستوى الاهتمام الذي يوليه قسم علم البيانات والذكاء الاصطناعي في جامعة آل البيت بتشجيع البحث العلمي التطبيقي، وتمكين الطلبة من المشاركة في إنتاج المعرفة وتطوير حلول تقنية قائمة على أسس علمية، إلى جانب تعزيز التعاون البحثي بين الأكاديميين والباحثين من الجامعات الأردنية.

وتؤكد جامعة آل البيت استمرار اهتمامها بتطوير البيئة الأكاديمية والبحثية، ودعم المبادرات العلمية التي تسهم في تنمية قدرات الطلبة وأعضاء الهيئة التدريسية، وتعزيز حضور الجامعة في المؤتمرات العلمية الدولية، بما ينسجم مع توجهاتها نحو التميز الأكاديمي والابتكار والتحول الرقمي، ويسهم في خدمة المجتمع ومواكبة التطورات المتسارعة في مجالات علم البيانات والذكاء الاصطناعي.​