تطوير إدارة الأبنية التعليمية في الجامعات المصرية باستخدام الذكاء الاصطناعي: تصور مقترح في ضوء تجارب بعض الجامعات الأجنبية.
Bibliographic record
Abstract
استهدف البحث الراهن وضع تصور مقترح لتطوير إدارة الأبنية التعليمية (المباني الجامعية الذكية) للجامعات المصرية، وتحديدًا في عمليات (التخطيط؛ والتنظيم؛ والتوجيه؛ والرقابة)، وذلك من خلال تعرف مجالات استخدام الذكاء الاصطناعي وأبعاده في هذا السياق، وفي ضوء تجارب بعض الجامعات الأجنبية في توظيف الذكاء الاصطناعيArtificial Intelligence (AI) في إدارة أبنيتها الجامعية وأتمتتها، وتوفير مقومات الحرم الجامعي الذكي والمستدام، فضلًا عن استكشاف واقع الجامعات المصرية في هذا المجال. وقد أسفر البحث عن أن الجامعات الأجنبية مثل: (جامعة ستانفورد Stanford University؛ وجامعة تورنتوUniversity of Toronto ؛ وجامعة سنغافورة الوطنية National University of Singapore)، أصبحت اليوم توظف بكثافة تطبيقات الذكاء الاصطناعي في إدارة الأبنية التعليمية، (تخطيطًا وتنظيمًا وتوجيهًا؛ ورقابةً)، بما حقق لها زيادة كفاءة الطاقة، وخفض تكاليف التشغيل، وتحسين استخدام المساحة وغيرها من مزايا، فضلًا عن مواكبتها للتوجهات العالمية نحو التحول الرقمي والتنمية المستدامة. كما كشف البحث عن أن الجامعات المصرية في حاجة ملحة إلى استخدام تطبيقات الذكاء الاصطناعي في إدخال تحسينات هيكلية على الأبنية التعليمية القائمة، أو مراعاة ذلك فيما يستحدث من أبنية تعليمية مستقبلًا. كما أوصى البحث أيضًا بضرورة تطبيق التصور المقترح.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.001 |
| Meta-epidemiology (narrow) | 0.009 | 0.009 |
| Meta-epidemiology (broad) | 0.007 | 0.005 |
| Bibliometrics | 0.005 | 0.009 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.003 | 0.005 |
| Open science | 0.009 | 0.003 |
| Research integrity | 0.008 | 0.013 |
| Insufficient payload (model declined to judge) | 0.012 | 0.034 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".