شارك الدكتور دانيال فوسكيرجيان من برنامج علم الحاسوب في كلية العلوم والتكنولوجيا بجامعة القدس في أعمال المؤتمر الدولي الثالث عشر للمعلوماتية الحيوية والهندسة الطبية الحيوية 13th International Work-Conference on Bioinformatics and Biomedical Engineering (IWBBIO 2026)، الذي نُظِّم تحت مظلة جامعة غرناطة الإسبانية، وعُقد في جزيرة غران كناريا بإسبانيا.

وقدّم الدكتور فوسكيرجيان عرضاً شفهياً لورقة علمية محكّمة بعنوان:

“ScoreTNT: Enhancing TextNetTopics with Classifier-Diverse and Ensemble Topic Scoring for Text Classification”

وتأتي الورقة ضمن تعاون بحثي دولي بين باحثين من فلسطين وتركيا في مجالات الذكاء الاصطناعي، والتعلم الآلي، وتحليل النصوص والمعلوماتية الحيوية. وشارك الدكتور فوسكيرجيان بصفته الباحث الأول والمؤلف المراسل ومقدم الورقة، التي قُبلت بعد خضوعها لعملية مراجعة علمية من قبل لجنة البرنامج في المؤتمر.

وتقدم الدراسة إطاراً مطوراً يحمل اسم ScoreTNT، وهو امتداد لمنهجية TextNetTopics، ويهدف إلى تحسين عمليات تحليل النصوص وتصنيفها بالاعتماد على الموضوعات الدلالية المستخرجة منها، ويعالج أحد التحديات المرتبطة باستخدام خوارزمية تعلم آلي واحدة لتقييم أهمية الموضوعات، إذ قد تتأثر عملية اختيار السمات النصية بخصائص الخوارزمية المستخدمة، ما قد يحد من استقرار النموذج عند تطبيقه على مجموعات بيانات مختلفة.

ولمعالجة هذا التحدي، اعتمدت الدراسة على تنويع خوارزميات التعلم الآلي ودمج تقييماتها ضمن استراتيجية تجميعية، بهدف الوصول إلى تقدير أكثر توازناً ومتانة للموضوعات الأكثر قدرة على التمييز بين الفئات النصية، ويسهم هذا النهج في تقليل الاعتماد على قرارات نموذج واحد، وتحسين عملية اختيار السمات، وبناء تمثيلات دلالية أكثر اختصارًا وكفاءة.

واختُبر الإطار المقترح على أربع مجموعات بيانات نصية لدراسة مدى تأثر ترتيب الموضوعات واختيارها بنوع خوارزمية التعلم المستخدمة، وأظهرت النتائج أن أثر اختيار خوارزمية تقييم الموضوعات يظهر بشكل أكثر وضوحاً عند استخدام تمثيلات دلالية مضغوطة تعتمد على عدد محدود من الموضوعات الأكثر أهمية.

كما بيّنت النتائج أن الجمع بين تقييمات عدة خوارزميات يوفر خياراً أكثر توازنًا واستقراراً، ويقلل احتمالية تراجع الأداء الناتج عن الاعتماد على نموذج واحد، وتكتسب هذه النتائج أهمية خاصة في ظل النمو المتسارع للبيانات النصية العلمية والطبية والحيوية، والحاجة إلى تقنيات تساعد على تنظيمها واستخلاص السمات الدلالية المهمة منها، بما يدعم تطوير نماذج أكثر كفاءة ومتانة لتحليل النصوص وتصنيفها.

وقال الدكتور فوسكيرجيان إن المشاركة شكّلت فرصة مهمة لعرض البحث ضمن بيئة علمية دولية متخصصة، مشيراً إلى أن مناقشة العمل مع الباحثين والخبراء تسهم في تطويره وفتح آفاق جديدة للتعاون في مجالات الذكاء الاصطناعي والمعلوماتية الحيوية.

 وأضاف أن تمثيل جامعة القدس في مثل هذه المؤتمرات يعزز حضورها البحثي الدولي، ويدعم ربط البحث الأكاديمي بالتطورات المتسارعة في علوم الحاسوب والتطبيقات الطبية والحيوية.

ويجري استكمال الإجراءات المتعلقة بإدراج الورقة ضمن وقائع المؤتمر في سلسلة Lecture Notes in Bioinformatics (LNBI) الصادرة عن Springer، وفق متطلبات الجهة المنظمة.

وفي سياق متصل، شارك الدكتور فوسكيرجيان، ضمن تعاون بحثي دولي آخر، في ورقة علمية بعنوان “Enhancing Pathway-Disease Gene Group Modeling with PathDisGene: A Multi-Algorithm Machine Learning Framework”، قُبلت وقُدّمت خلال أعمال المؤتمر الدولي الثامن للأنظمة الذكية والضبابية (INFUS 2026)، الذي عُقد في إسطنبول بتركيا خلال الفترة من 7 إلى 9 تموز 2026، بتنظيم مشترك بين جامعة إسطنبول التقنية وجامعة تشانكايا. 

وتناول البحث تطوير إطار ذكي قائم على تعلم الآلة لتحليل بيانات التعبير الجيني، من خلال دمج المعرفة البيولوجية السابقة مع عدة خوارزميات تعلم آلة، بهدف تحسين تصنيف الأمراض ودعم اكتشاف المؤشرات الحيوية بطريقة أكثر دقة وقابلية للتفسير.

وتعكس هاتان المساهمتان البحثيتان تنامي حضور جامعة القدس في مجالات الذكاء الاصطناعي والمعلوماتية الحيوية وتحليل البيانات النصية والحيوية، وتسهمان في إبراز إنتاج باحثيها في المحافل الأكاديمية الدولية. كما تدعمان بناء علاقات تعاون بحثي عابرة للحدود، وتعززان التكامل بين علوم الحاسوب والتطبيقات الطبية والحيوية، بما يسهم في تطوير الأبحاث والتدريس والإشراف على مشاريع الطلبة وتنمية القدرات البحثية في الجامعة، في إطار جهودها المستمرة لتعزيز البحث العلمي والابتكار وبناء شراكات أكاديمية دولية.