لم يراجع هذه الترجمة إنسان بعد
أُنتجت بمساعدة الترجمة الآلية. اقرأ النسخة الإنجليزية قبل أن تتصرف بناءً على أي شيء فيها.
صحفيون لا يجيدون البرمجة جعلوا نموذجاً لغوياً يكتب أدوات جمع البيانات لهم، ثم نشروا الأوامر
فريق البيانات في مركز بوليتزر دوّن الطريقة التي يستخدمها فعلاً في تحقيقات حقيقية، بنص الأوامر كما تُكتب، ومعها تحذيره الخاص عن المواضع التي لا يزال فيها النموذج يفشل.
مركز بوليتزر
الولايات المتحدة؛ المؤلفان مقيمان في كوالالمبور والأرجنتين، والتحقيقات في البرازيل وجنوب شرق آسيا
20256 دقائق
- صحفي أو محرر
- باحث أو محلل
- البحث
- تنظيف البيانات وتحليلها
ماذا حدث
نشر كوك سير كوانغ كينغ وفيديريكو أكوستا راينيس، من فريق البيانات في مركز بوليتزر، الطريقة التي يبني بها فريقهما أدوات جمع البيانات من المواقع بنموذج لغوي كبير، مع الأوامر التي يكتبانها فعلاً:
كان بناء أدوات جمع البيانات يتطلّب مهارات برمجية متينة. لكن في تحقيقاتنا الأخيرة، ساعدتنا النماذج اللغوية الكبيرة مثل ChatGPT أو Google Gemini أو Claude على بناء أدوات لقواعد بيانات معقّدة، أسرع بكثير ومن دون مهارات برمجية متقدّمة.
نشر مركز بوليتزر الدليل في 13 تشرين الأول/أكتوبر 2025، وأعادت الشبكة العالمية للصحافة الاستقصائية نشره في 31 من الشهر نفسه. قراءته مجانية.
هدفان موثّقان. في قاعدة المشتريات العامة لمدينة ساو باولو ربط الفريق ثلاث أدوات، واحدة لنتائج البحث، وواحدة لكل صفحة مناقصة، وواحدة لكل صفحة evento، وصفّى النتائج بالكلمات cação وpescado وpeixe للعثور على مناقصات لحم القرش. كما جمعوا أرشيف البيانات الصحفية لشركة The Metals Company. بلغ خط المعالجة نحو 75,000 مناقصة وأكثر من 350,000 صفحة وثيقة، ضيّقتها تصفية الكلمات المفتاحية إلى نحو ألف مرشّح، أكّد منها بشر 701 مناقصة لحم قرش، يقرأون واحدة واحدة. الآلة كتبت شيفرة الجمع. ولم تقم بالتحقق.
سير العمل، لمكتب من خمسة أشخاص بلا مهندسين
تحتاج شخصاً صبوراً يجيد النسخ واللصق وقراءة رسالة خطأ.
- جرّب الطريق الرخيص أولاً. يبدأ الدليل بإضافات متصفح لا تتطلّب برمجة: Instant Data Scraper وTable Capture وWeb Scraper وData Miner. وقبل ذلك، اطلب البيانات من الجهة التي تملكها، أو قدّم طلباً بموجب قواعد حق الحصول على المعلومات السارية.
- شخّص الصفحة. انقر بالزر الأيمن، ثم “عرض مصدر الصفحة”، وابحث في الشيفرة عن قيمة تراها على الشاشة. وجدتها: الصفحة ساكنة وسهلة. لم تجدها: ديناميكية وأصعب. أو الصق العنوان في المساعد واسأله أيّهما.
- للصفحة الساكنة، أعطِ المساعد ستة أشياء في رسالة واحدة: العنوان؛ ومصدر الصفحة ملصوقاً؛ والأعمدة التي تريدها بالضبط؛ وصيغة الإخراج (ملف CSV)؛ وكيف يقسّم الموقع صفحاته؛ وأين ستشغّل السكربت، حاسوبك أنت أو دفتر مجاني في المتصفح. ثم اسأله إن كان يحتاج شيئاً آخر قبل كتابة السكربت.
- جهّز مرة واحدة. اطلب تعليمات إعداد لنظام تشغيلك، والصق كل رسالة خطأ في المحادثة نفسها كي يحتفظ بالسياق.
- للصفحة الديناميكية، وهي حال أغلب بوابات الحكومة، افتح أداة الفحص في المتصفح واستخدم “نسخ العنصر” لكل قائمة منسدلة وزرّ وجدول نتائج. الصق تلك المقاطع الخام في الأمر إلى جانب خطوات بلغة عادية: اختر هذا، انقر ذاك، انتظر الجدول، اقرأ الصفوف. وثمة تعليمتان تحسّنان النتيجة فعلاً: اطلب منه طباعة رسالة تقدّم عند كل خطوة، واطلب منه النقر على الأزرار باستخدام JavaScript.
- اختبر على نطاق صغير. “اجمع أول صفحتين فقط للاختبار.” اقرأ المخرجات بيدك قبل التشغيل الكامل.
- اربط ولا تدمج. نتائج البحث، ثم صفحة التفاصيل، ثم الوثيقة الفرعية: ثلاث أدوات صغيرة تغذّي بعضها بقوائم عناوين. يقول الدليل إن هذا أفضل للمبتدئين من سكربت واحد كبير.
- إن حُجبت، اقرأ رسالة الخطأ، “ممنوع”، “طلبات كثيرة جداً”، ثم تدرّج ببطء: فترات انتظار عشوائية بين الطلبات، وترويسة تعريف متصفح وحجم نافذة واقعيين، والتطوير والمتصفح ظاهر قبل تشغيله مخفياً.
- اختياري: اطلب من المساعد كتابة ملف الإعداد الذي يشغّل أداتك في السحابة وفق جدول زمني، مجاناً، وحاسوبك مطفأ.
ما الذي يعطب
صفحة المنهجية نفسها تقول إن النماذج اللغوية تبقى غير موثوقة في المهام المعقّدة متعدّدة الخطوات، وإن الفريق ضبط نموذجاً يخترع مواقع لا وجود لها. أداة تُسقط صفوفاً في صمت تنتج قصة خاطئة تبدو تماماً كقصة صحيحة، والدليل لا يقدّم أي طريقة لاكتشاف ذلك. احسب عدد الصفوف التي يعلن الموقع أنها لديه، واحسب ما جمعته، وفسّر الفرق قبل أن تكتب كلمة.
ويضع الدليل المسألة القانونية خارج نطاقه ويطلب منك مشورة قانونية. اقرأ ذلك مرتين قبل أن تنسخ الخطوة السابعة. تزييف عنوان محلي بشبكة افتراضية، واستئجار وكلاء سكنيين، وتزوير ترويسات المتصفح، ومحاكاة سلوك بشري، موجّهاً إلى بوابة حكومية في ولاية قضائية بقانون وصول حاسوبي فضفاض ومتقلّب التطبيق، هو النقطة التي تتحوّل عندها مسألة شروط استخدام إلى مسألة جنائية، بخطر شخصي على من يقوم بها. استشر محامياً تثق به أولاً.
الأدوات المذكورة
ChatGPTChatGPTلا تستخدم هذه الأداة أبدًا مع المواد الحساسةله نسخة مجانية: No payment card needed to sign up. Unlimited basic text chats on the free model, but daily limits on file uploads, image generation, voice chat, and access to the more advanced reasoning models.عرض الأداة وGoogle GeminiGoogle Geminiلا تستخدم هذه الأداة أبدًا مع المواد الحساسةله نسخة مجانية: Free with a Google account; no card required. Since April 2026 Google restricted its more capable "Pro" models to paid tiers on the API/AI Studio free plan, leaving the lighter "Flash" models free there; the consumer chat app's own free limits are not published as a fixed number and change often. Check the current limits at the source linked below rather than relying on a figure here.عرض الأداة وClaudeClaudeلا تستخدم هذه الأداة أبدًا مع المواد الحساسةله نسخة مجانية: Free plan, no card required to sign up. Anthropic does not publish a fixed daily message count. Usage limits reset periodically and vary with demand; check current limits at the source linked below before relying on a number.عرض الأداة. السكربتات بلغة Python، باستخدام Requests وBeautifulsoup4 للصفحات الساكنة، وSelenium أو Playwright للديناميكية. ويسمّي الدليل أيضاً Visual Studio Code وGoogle Colab وGitHub Actions وأدوات فحص المتصفح، وإضافات المتصفح المذكورة أعلاه، وفي قسم الحجب: Proton VPN وNordVPN وOxylabs. مصدر صفحة عامة مادة عامة. أما ملاحظاتك البحثية وقوائم أهدافك ومصادرك فليست كذلك.
ما لا ندّعيه
كل ما ورد أعلاه محدود بما تثبته مصادره فعلاً. وهذا هو الجزء الذي لا تثبته.
هذه الطريقة موثّقة على هدفين محدّدين: قاعدة مشتريات ساو باولو، وأرشيف البيانات الصحفية لشركة The Metals Company. هي لم تُنتج ثلاثة تحقيقات. تحقيق تطبيق نقل الركاب استخدم سكربتاً عادياً مكتوباً بيد إنسان عبر واجهة برمجية عامة، ولا يجوز نسبه إلى الذكاء الاصطناعي.
الـ701 مناقصة لحم قرش المؤكّدة ليست نتيجة للذكاء الاصطناعي. الآلة كتبت الشيفرة التي جمعت الوثائق؛ أما نحو ألف نتيجة بحث بالكلمات المفتاحية فقد قرأها بشر واحدة واحدة وأكّدوها، ويذكر الفريق نتائج إيجابية خاطئة سببها كلمات انقسمت على سطرين. لا تكرّر الرقم بوصفه قياساً لما يستطيعه الذكاء الاصطناعي.
مركز بوليتزر ليس متحمّساً غير ناقد. صفحة منهجيته نفسها تقول إن النماذج اللغوية لا تزال غير موثوقة في المهام المعقّدة متعدّدة الخطوات، وإن فريقه ضبط نماذج تخترع مواقع إلكترونية غير موجودة. ومن يعيد نشر الوصفة بغير هذه الجملة يسيء تمثيل المصدر.
الدليل نفسه يضع المسألة القانونية خارج نطاقه بصريح العبارة: إن لم تكن متأكداً من قانونية جمع بيانات موقع بعينه في بلدك، فاطلب مشورة قانونية. وقد أضفنا أدناه تأطيراً خاصاً بالعراق لأن تقنيات تجاوز الحجب الواردة فيه تحمل خطراً في الولايات القضائية المقيِّدة لا يناقشه الأصل.
لا تترجم الدليل نفسه ولا تعِد نشره من دون إذن. النسخة المعاد نشرها مرخّصة بموجب المشاع الإبداعي: النسب، بلا اشتقاق 4.0، والترجمة عمل مشتق. ولا توجد نسخة عربية ولا كردية. المؤلفان ينشران عنوانَي بريدهما ويرحّبان بالأسئلة، فراسلهما أولاً.
لا نعرف عدد أفراد هذا الفريق. أي وصف لحجمه سيكون مُختلَقاً.