القاهرة: الأمير كمال فرج.

لطالما سعت المجتمعات إلى حماية مؤسساتها التعليمية وجعلها ملاذًا آمنًا لطلابها. في عالم تتزايد فيه حوادث العنف، تبدو هذه المهمة أكثر إلحاحًا من أي وقت مضى. ومع التطورات المتسارعة في مجال الذكاء الاصطناعي، يطرح تساؤل مهم: هل يمكن للتكنولوجيا أن تكون أداة فعّالة للتنبؤ بالجريمة والوقاية منها في المدارس؟

ذكر تقرير نشره موقع azati أن "استخدام أنظمة الإنذار المبكر EWS القائمة على الذكاء الاصطناعي، يمكن أن تساعد في تحديد عوامل الخطر المحتملة في المؤسسات التعليمية"

سواء كنت تدرك ذلك أم لا، فإن الأنظمة التحليلية تقوم بالفعل بتحليل سلوكنا. تساعد هذه الأنظمة في حل مشكلات متنوعة وتقديم إجابات لأسئلة مختلفة. يستخدم بعضها للتنبؤ بأنماط الشراء للمتسوقين، بينما يساعد البعض الآخر في تحديد مستوى الإشراف المطلوب للأشخاص تحت المراقبة أو الإفراج المشروط.

يتم اعتماد برامج مماثلة من قبل بعض المؤسسات التعليمية أيضًا، مثل الأنظمة التي تحدد الطلاب الذين تظهر عليهم علامات مبكرة لخطر التسرب من المدرسة الثانوية.

سمعنا جميعًا الأخبار المروعة عن حوادث إطلاق النار، واحتجاز الرهائن، وأعمال العنف الأخرى التي تحدث في المدارس ومؤسسات التعليم العالي. يتخذ العنف في المدارس أشكالًا عديدة، بدءًا من الملاحظات المهينة وصولًا إلى الاعتداء الإجرامي. لسوء الحظ، تنتشر أيضًا قضايا العصابات، جرائم الكراهية، العنصرية، والسلوك العدواني المزمن.

وفقًا للمركز الوطني للإحصاءات التعليمية لعام 2016، فإن أكثر من 20% من الطلاب يبلغون عن تعرضهم للتنمر.

في مواجهة أحداث العنف المروعة، يبحث المجتمع عن طرق لحماية الأطفال وتجنب تكرار الكوارث التي حدثت في المدارس. أحد الحلول المحتملة قد يكون نظامًا يعتمد على الذكاء الاصطناعي لتحديد الطلاب الأكثر عرضة لارتكاب جرائم أو أعمال عنف.

نهج تكنولوجي للقضاء على العنف والجريمة في المؤسسات التعليمية

توجد أنظمة تهدف إلى تقليل الأضرار والخسائر، وهي أنظمة الإنذار المبكر EWS. للمساعدة في القضاء على العنف والجرائم، يمكن للمؤسسات التعليمية اعتماد نظام إنذار مبكر مصمم للكشف عن الطلاب الذين لديهم احتمالية عالية للسلوك الإجرامي.

الفكرة الأساسية لنظام الإنذار المبكر EWS الذي يهدف إلى مكافحة الكوارث المحتملة هي الكشف عن المجرمين المحتملين قبل ارتكاب الجريمة الفعلية.

لذا، فإن أحد الحلول التي يمكن أن تقدمها التكنولوجيا هو تقييم الأشخاص وفقًا لنظام تصنيف معين. عندما يصل عدد معين من النقاط إلى عتبة حرجة، فإن سلطات المؤسسة تولي اهتمامًا خاصًا لهذا الشخص وتتخذ الإجراءات اللازمة. ولكن ما هي المعايير التي يمكن أن يستند إليها نظام التصنيف هذا؟

كشف عوامل الخطر

يجب علينا أولًا فهم التهديدات لتجنبها. لذا، فإن الخطوة الأولى هي الكشف عن عوامل الخطر التي تحفز العنف والجريمة. يمكن لبعض الأنشطة والسلوكيات أن تشير إلى أن الشخص يميل إلى ارتكاب أفعال متهورة.

يمكننا تقسيم هذه العوامل إلى مجموعتين:

    العوامل الخارجية: مثل الأداء الأكاديمي، الحضور المدرسي، الخلفية الثقافية والتعليمية، البيئة (مثل التأثير السيء للأصدقاء)، نمط الحياة، والوضع العائلي.

    العوامل الداخلية: تعكس طريقة إدراك الطالب وتفسيره للعالم الخارجي، وتشمل معدل الذكاء، السمات الشخصية (الذكاء العاطفي)، الحالة المزاجية، ووجود أي اضطرابات عاطفية وسلوكية.

من الصعب رصد المؤشرات الداخلية لأن البيانات ليست واضحة. كما أنها قابلة للتغير بشكل كبير، فمثلًا، يتغير مزاج الشاب النموذجي عدة مرات خلال اليوم، وفقًا للأحداث التي تحدث حوله. يجب أيضًا أن نأخذ في الاعتبار الحالة العاطفية غير المستقرة للطلاب، فهم في مرحلة انتقالية من الطفولة إلى مرحلة البلوغ، ولذلك فإن سلوكهم العاطفي يشبه إلى حد كبير سلوك الأطفال.

بلا شك، كل شخص هو كائن فريد من نوعه. وكما ترى، فإن عدد المعايير لتقييم شخص ما متعددة (وقد ذكرنا القليل منها فقط). في الوقت نفسه، من الخطأ تقييم مستوى التهديد الذي يمكن أن يسببه شخص ما بناءً على معيارين فقط. لذلك، للحصول على صورة كاملة، يجب أن يتلقى نظام الإنذار المبكر ويحلل أكبر قدر ممكن من المعلومات.

 كيف يمكن توفير مثل هذه الكميات الهائلة من البيانات؟

عمل نظام الإنذار المبكر EWS

1. التقاط البيانات ومصادرها

    مصادر البيانات المفتوحة: ليس من المستغرب أن يقوم مسؤولو التوظيف وموظفو البنوك اليوم بالتحقق من شبكاتك الاجتماعية قبل اتخاذ قرار بشأن توظيفك أو منحك قرضًا. يمكن لنظام الإنذار المبكر أيضًا الاستفادة من هذه المعلومات، وقد يصل الأمر إلى جمع بيانات الطلاب من الشبكات الاجتماعية، المنتديات، والمنصات الأخرى. تشمل مصادر البيانات المفتوحة أيضًا مصادر أكثر تقليدية، مثل سجلات الشرطة والسجلات الطبية.

    المراقبة في الوقت الفعلي ومراقبة الفيديو: تعلم أن العديد من المدارس تستخدمها بالفعل. تجد المدارس التي تواجه تحديات مثل العنف أو التخريب في الحرم الجامعي أن كاميرات المراقبة المدرسية تساعد في تحديد وحل المشكلات فور ظهورها. علاوة على ذلك، يمكن لميزات التعرف على الوجه وتحليل الفيديو أن تحسن من أداء الكاميرات، وتصبح مصدرًا آخر للمعلومات لنظام الإنذار المبكر إذا تم دمجها.

    مصادر أخرى (استبيانات، أشخاص، إلخ): لاكتشاف وتحليل المؤشرات الداخلية، علينا جمع البيانات باستخدام تقنيات أخرى. يمكن جمع المعلومات المطلوبة بشكل مباشر، من خلال استبيانات حول سلوك الطلاب.

2. التحليل

المشكلة الرئيسية في حساب التقدير العاطفي ليست في إيجاد جميع البيانات اللازمة، بل في معالجتها بطريقة سريعة ودقيقة.

3. القدرة على الاستجابة وإرسال التحذيرات

الإنذارات المبكرة وحدها لا تمنع المخاطر من أن تتحول إلى كوارث. من المهم جدًا البقاء على اتصال بالشرطة والتحرك بسرعة فائقة إذا نشأت المشكلة. يمكن للذكاء الاصطناعي أن يرسل لهم تنبيهات إذا كان هناك شيء خطير على وشك الحدوث. اليوم، عامل التفاعل السريع مهم جدًا. يجب إزالة جميع التأخيرات الممكنة من اللحظة التي يُعرف فيها عن حادث وشيك إلى الإجراءات التي سيتم اتخاذها.

الحلول الحالية والتعلم الآلي

قد تفاجأ بمعرفة أن هناك حلًا مشابهًا تم تطويره بالفعل. أحد هذه الحلول، Social Sentinel، يراقب الشبكات الاجتماعية بحثًا عن كلمات مفتاحية محددة بناءً على قاعدة بيانات للكلمات المفتاحية. جوهر هذه الحلول هو محرك معالجة اللغة الطبيعية الذي يعالج النصوص البشرية إلى بيانات يسهل تحليلها. لكن محرك معالجة اللغة الطبيعية النموذجي يعالج البيانات ببطء.

المشكلة الرئيسية في الأنظمة الحالية هي أن النتائج لا يمكن أن تكون دقيقة إذا استخدمنا مصدرًا واحدًا فقط للبيانات (في هذه الحالة، الشبكات الاجتماعية). في بعض الأحيان، حتى عالم النفس المحترف لا يمكنه فهم ما وراء الكلمات.

مثل هذه الأنظمة لديها وقت رد فعل ضعيف ولا تتعلم من تلقاء نفسها، لذا إذا ظهر اتجاه خطير جديد، فلن تتفاعل على الفور. وفي بعض المواقف، كل دقيقة لها أهميتها.

قد يؤدي هذا إلى مشكلة خطيرة أخرى: عدد كبير من الإنذارات الكاذبة. بلا شك، لا يمكننا تجنبها تمامًا، ولكن يمكننا تقليل كميتها بشكل كبير إذا أخذنا المزيد من العوامل في الاعتبار.

لذلك  يجب علينا تتبع أكبر قدر ممكن من البيانات، ولتحديد احتمالية وقوع الحادث، يجب أن تفكر بطريقة شبيهة بالبشر، ومن الأفضل أن يتم ذلك بأسرع ما يمكن.

 لا توجد تقنية كافية لمنع الجريمة

يُثير هذا الموضوع الكثير من النقاش والجدل لسببين هما: 

أولًا، تدرك أن أي حل تكنولوجي، حتى الأكثر تعقيدًا، لن يكون كافيًا لمعالجة المشكلة. الذكاء الاصطناعي، في هذه الحالة، يمكن أن يكون الأداة الرئيسية، ولكنه ليس الحل الكامل لجميع المشكلات المتعلقة بالعنف في المؤسسات التعليمية.

ثانيًا، يجب أن نفكر في الأثر الذي يمكن أن ينتج عن اعتماد مثل هذا النظام. يجب أن نفكر في الأخلاقيات والمعايير الأخلاقية، ونجيب على العديد من الأسئلة مثل: هل من الممكن بناء هذا النظام بحيث لا يتم انتهاك حقوق الإنسان في الخصوصية؟ وهل ستكون التكاليف الضخمة مبررة في النهاية؟