أفضل ذكاء اصطناعي للبحث العلمي ومراجعة الأدبيات: Elicit للفرز وConsensus للإجابات و8 أدوات أخرى

ما أفضل أداة ذكاء اصطناعي لكل مرحلة من مراحل مراجعة الأدبيات؟

لا توجد أداة واحدة تتفوق في كل المراحل، لذا فأفضل إعداد هو أداتان أو ثلاث تتولى كل واحدة منها مهمة واحدة. قرأنا صفحة الأسعار أو صفحة التعريف الخاصة بكل شركة في 25 أكتوبر 2026. ويضم الجدول ما تذكره كل شركة.

اقرأ عمود حجم المحتوى بحذر. كل شركة تعدّ بطريقتها: Scite تعدّ عبارات الاقتباس، وConsensus تعدّ الأوراق المحكّمة، وResearchRabbit تعدّ المقالات. الرقم الأكبر لا يعني تغطية أفضل لمجالك. ابحث أولا في الأداة عن ثلاث من أهم الأوراق التي تعرفها. فإذا فاتتها واحدة، فستفوتها غيرها.

هل يستطيع ChatGPT أو Claude كتابة مراجعة الأدبيات نيابة عنك؟

لا. يستطيع الشات بوت العام صياغة نص عن الأوراق، لكن لا يمكن الوثوق به في إنتاج قائمة المراجع. قاست ثلاث دراسات محكّمة ذلك منذ 2023، ووجدت كل واحدة منها أوراقا مختلقة.

النمط هو الجزء المفيد. طلب فريق Jake Linardon في جامعة Deakin من GPT-4o ست مراجعات قصيرة في يونيو 2025، ثم فحص كل اقتباس في Google Scholar وScopus وPubMed وWorldCat. من أصل 176 مرجعا، لم يكن 35 مرجعا (19.9%) موجودا. وكانت النسبة أدنى ما يكون في الاضطراب الأكثر دراسة، وأعلى بنحو خمس مرات في الاضطرابات الأقل دراسة. ومن المراجع الحقيقية البالغ عددها 141، ظل 64 مرجعا (45.4%) يحتوي على أخطاء، وأكثرها شيوعا DOI خاطئ. أي أن النموذج يخفق بأشد ما يكون تحديدا حيث تحتاج المساعدة أكثر: موضوع متخصص لم تتعمق فيه بعد.

الدراسات الأقدم تشير إلى الاتجاه نفسه. اختبر Walters وWilder نموذجي GPT-3.5 وGPT-4 في Scientific Reports في سبتمبر 2023 وكتبا: «من بين 222 عملا مستشهدا به في أوراق GPT-3.5، 55% مختلقة.» وكان GPT-4 أفضل بنسبة 18%. وفي دراسة JMIR في مايو 2024 طلب Chelli وزملاؤه مراجع مراجعات منهجية حقيقية، ووجدوا معدل هلوسة بلغ 28.6% لـ GPT-4 و91.4% لـ Bard.

تساعد أوضاع Deep Research لأنها تبحث قبل أن تكتب. يقول مركز مساعدة OpenAI: «تتضمن جميع مخرجات Deep Research اقتباسات أو روابط مصادر لتتمكن من التحقق من المعلومات.» الرابط الذي يمكنك النقر عليه أفضل من عنوان مستذكَر. لكنه مع ذلك ليس بحثا مفروزا وكاملا، ولم تختبر أي من الدراسات الثلاث وضع Deep Research، فافتح كل مصدر قبل أن تستشهد به.

هل Elicit أفضل أم Consensus لمراجعة الأدبيات؟

Elicit أفضل للمراجعة المنهجية، وConsensus أفضل للحصول على إجابة سريعة عن سؤال واحد. إنهما تحلان مشكلتين مختلفتين، وفارق السعر يدل على ذلك.

Elicit مبنية حول جدول. تختار الأوراق، وتسمّي الأعمدة (حجم العينة، المنهج، النتيجة)، فتملأ كل خلية من الورقة. وتضيف خطة Pro، بسعر $49 شهريا أي $588 في السنة، ما تسميه Elicit «سير عمل مخصصا للمراجعة المنهجية يستطيع فرز 5,000 ورقة». أما خطة Basic المجانية فتبقي البحث غير المحدود في أكثر من 138 مليون ورقة والملخصات غير المحدودة، مع تقارير محدودة.

تجيب Consensus عن السؤال بملخص لما تقوله الدراسات. اسأل «هل يحسّن الكرياتين الذاكرة» فتحصل على النتيجة مع الأوراق التي تقف خلفها. تمنح الخطة المجانية 10 رسائل Pro وحتى 3 مراجعات معمقة شهريا. وتكلف Pro مبلغ $144 في السنة، أي ما يعادل $12 شهريا، مع رسائل Pro غير محدودة و15 مراجعة معمقة. وتقول Consensus إن الفاتورة السنوية توفر $96، لذا فالدفع شهريا يكلف أكثر. وخطة Deep، بسعر $540 في السنة ($45 شهريا)، ترفع هذا العدد إلى 200.

استخدمهما بالترتيب. تخبرك Consensus في خمس دقائق هل للسؤال قاعدة أدلة أصلا. ثم تفرز Elicit وتستخرج من الأوراق التي ستستشهد بها فعلا. وإن كان بوسعك الدفع لأداة واحدة فقط، فطالب الدكتوراه الذي يكتب مراجعة منهجية يحتاج Elicit. أما طالب يكتب مقالا من 3,000 كلمة فيحتاج Consensus.

ما أدوات الذكاء الاصطناعي المجانية الكافية لمراجعة الأدبيات؟

تغطي Semantic Scholar وResearchRabbit وZotero وGemini Notebook معا مراجعة رسالة كاملة بتكلفة $0. وكل واحدة منها مجانية بطبيعتها، وليست تجربة مؤقتة.

• تبحث Semantic Scholar في أكثر من 200 مليون ورقة. وتديرها Ai2، المعهد غير الربحي الذي أسسه Paul Allen، وتصفها بأنها «أداة بحث مجانية مدعومة بالذكاء الاصطناعي للأدبيات العلمية».
• تبني ResearchRabbit خريطة اقتباس من حتى 50 ورقة أساسية في خطتها المجانية، وتقول إنها «لديها وستظل دائما لديها عرض مجاني».
• ترسم Connected Papers رسما بيانيا واحدا للأعمال ذات الصلة لكل ورقة. وتمنح فئتها المجانية 5 رسوم بيانية شهريا.
• تخزّن Zotero كل ورقة وتكتب قائمة المراجع في Word أو Google Docs بأكثر من 9,000 نمط اقتباس. وتديرها مؤسسة غير ربحية هي Digital Scholar.
• تجيب Gemini Notebook (الاسم الجديد الذي أطلقته Google على NotebookLM في يوليو 2026) عن الأسئلة من ملفات PDF التي ترفعها فقط. وتسمح الخطة المجانية بـ 100 دفتر، في كل منها 50 مصدرا، ويمكن أن يصل المصدر الواحد إلى 500,000 كلمة.

الثغرة الوحيدة في الحزمة المجانية هي الفرز على نطاق واسع. استخراج أحجام العينات من 300 ملخص يدويا يستغرق أياما، وهذه هي المهمة التي تؤديها خطة Elicit المدفوعة. أما في مراجعة تقل عن 50 ورقة فلن تفتقدها.

كيف تستخدم الذكاء الاصطناعي في مراجعة الأدبيات دون اقتباسات مزيفة؟

دع أدوات البحث تجد الأوراق، ولا تدع الشات بوتات تفعل أكثر من إعادة صياغة نصوص من أوراق فتحتها بنفسك. هذه القاعدة الواحدة تزيل مشكلة الاختلاق، لأن النموذج لا يضطر أبدا إلى تذكر مرجع.

1. اكتب السؤال في جملة واحدة، مع الفئة المدروسة والنتيجة والسنوات التي ستشملها.
2. ابحث في Semantic Scholar أو Consensus، واحفظ كل ورقة مرشحة في Zotero.
3. زوّد ResearchRabbit بأفضل خمس أوراق لديك لتجد الأوراق التي فاتها البحث بالكلمات المفتاحية.
4. افرز واستخرج البيانات في Elicit، أو في جدول بيانات إن كانت المراجعة صغيرة.
5. تحقق في Scite من الأوراق التي تعتمد عليها أكثر، فهو يبين هل دعمتها الأبحاث اللاحقة أم ناقضتها.
6. ارفع ملفات PDF إلى Gemini Notebook أو إلى شات بوت واطلب المحاور، مع اقتباس الورقة التي تقف خلف كل ادعاء.
7. أدرج الاقتباسات من Zotero، لا من الشات بوت أبدا، وانقر على كل DOI مرة واحدة.

موجّه التركيب للخطوة 6: «استنادا إلى الأوراق المرفقة فقط، صنّف النتائج في ثلاثة إلى خمسة محاور. تحت كل محور، اذكر الأوراق التي تدعمه وأي ورقة تناقضه، مع الصفحة أو القسم لكل ادعاء. وإذا لم تجب الأوراق عن جزء من سؤالي، فقل ذلك. لا تضف أي ورقة غير مرفقة.»

Whizi، التي تنشر هذه الصفحة، تناسب الخطوة 6 فقط. فهي لا تبحث في فهرس علمي كما تفعل Semantic Scholar. يستوعب مشروع Whizi ما يصل إلى 10 ملفات PDF مثبتة، بحجم يصل إلى 10 MB للملف. وتشغّل Pro نموذجين جنبا إلى جنب على الأوراق نفسها (Claude مقابل GPT مثلا)، فترى أيهما ينقل عن مصادره بأمانة أكبر.