جدول المحتويات
تكتب فرق المصانع الجزائرية الإجراءات بالعربية الفصحى المعاصرة أو الفرنسية أو الإنجليزية، لكنها تطرح أسئلتها بالدارجة الممزوجة بمصطلحات تقنية فرنسية، وأحيانًا بالحروف اللاتينية. ومعظم المساعدات الذكية مدرَّبة ومختبرة على اللغات الفصيحة، فتسيء فهم هذه الرسائل أو تخطئ الوثيقة الصحيحة أو تجيب بلغة خاطئة. لذلك يجب التصميم والاختبار لهذه الحالة صراحة.
أهم النقاط
- تُكتب الدارجة الجزائرية بالحروف العربية أو بالحروف اللاتينية (العربيزي). وعند كتابتها بالحروف اللاتينية تكون بلا إملاء موحد وممزوجة بالفرنسية بدرجة كبيرة (Muller et al., 2020).
- في اختبار أُجري عام 2025 على سبعة نماذج تترجم العربيزي، جاءت الجزائرية في المرتبة الأخيرة بين ثلاث لهجات، بمتوسط BLEU قدره 4.24 مقابل 9.65 للمصرية (Al Almaoui et al., 2025).
- نادرًا ما تذكر بطاقات النماذج العربية الجزائرية. فـ Qwen3 يذكر العربية المغربية والتونسية ضمن تنويعاته، لكنه لا يذكر الجزائرية (Qwen).
- ما زالت معايير تقييم النماذج اللغوية الكبيرة (LLM) بالعربية تفتقر إلى تقييم التناوب اللغوي، بما في ذلك المزج بين العربية والفرنسية (Alzubaidi et al., 2025).
- الحل العملي هو فهم الدارجة في المدخلات، والإجابة بالفصحى أو الفرنسية، واقتباس القيم حرفيًا، والاختبار على الرسائل الحقيقية لفرقكم.
كيف تكتب فرق المصانع في الجزائر وتتحدث فعليًا؟
يجعل الدستور العربية اللغة الوطنية والرسمية، والأمازيغية (تمازيغت) كذلك لغة وطنية ورسمية (دستور 2020، المادتان 3 و4). وتحققوا مع مستشار قانوني من اللغة التي يجب أن تُحرَّر بها وثيقة معينة. أما لغة العمل اليومية فأكثر اختلاطًا. وكما يشرح دليلنا للوثائق متعددة اللغات، كثيرًا ما تصل الأدلة بالإنجليزية، وكثيرًا ما تُكتب الإجراءات الداخلية بالفرنسية، وقد تكون الاستمارات والمراسلات بالعربية.
أما اللغة الشفهية والكتابة غير الرسمية فشيء آخر: الدارجة الجزائرية التي تتخللها أسماء معدات ومصطلحات أعطال وأفعال فرنسية. وقد وجد باحثون درسوا بثًّا إذاعيًا وتلفزيونيًا مغاربيًا حضورًا مرتفعًا نسبيًا للتناوب اللغوي في العربية الجزائرية مقارنة بالمغرب وتونس (Amazouz et al., 2017).
يظهر هذا السجل اللغوي حيثما كتب الناس أو تحدثوا بحرية: ملاحظات الورديات، وطلبات الصيانة، والرسائل إلى المشرف، والأسئلة التي سيكتبونها للمساعد. فالفكرة نفسها، «المضخة ترتفع حرارتها ويجب تغيير المحمل»، قد تصل بهذه الأشكال:
- العربية الفصحى: «المضخة ترتفع حرارتها، يجب تغيير المحمل»
- الدارجة بالحروف العربية مع مصطلحات فرنسية: «الـ pompe راهي تسخن، لازم نبدلو الـ roulement»
- العربيزي: "la pompe rahi tsakhan, lazem nbadlou le roulement"
- الفرنسية: « la pompe chauffe, il faut changer le roulement »
هذه أمثلة توضيحية وليست اقتباسات من عميل. والمساعد الذي اختُبر على الشكلين الأول والأخير فقط لم يُختبر على الشكلين الآخرين.
لماذا تصعب الدارجة على النماذج اللغوية؟
قلة البيانات المكتوبة. حضور الدارجة الجزائرية ضعيف في المدونات الرقمية (Al Almaoui et al., 2025)، والنصوص التي يجمعها الباحثون تأتي في معظمها من شبكات التواصل الاجتماعي. فقد دُرِّب DziriBERT، وهو نموذج بُني خصيصًا للهجة الجزائرية، مسبقًا على أكثر من مليون تغريدة جزائرية، ويذكر مؤلفوه أنه تفوّق على النماذج الموجودة، خاصة في النصوص المكتوبة بالحروف اللاتينية (Abdaoui et al., 2021). ويضم أول بنك أشجار نحوية (treebank) للمحتوى الجزائري المكتوب بالحروف اللاتينية الذي ينتجه المستخدمون نحو 1,500 جملة موسومة (Seddah et al., 2020). وهذه أحجام صغيرة مقارنة بالنصوص المتاحة بالفصحى أو الفرنسية.
غياب الإملاء الموحد. يصف الباحثون العربيزي الشمال إفريقي بأنه مكتوب بالحروف اللاتينية «with no standard spelling and no standard transliteration of Arabic letters» (بلا إملاء موحد ولا نقحرة موحدة للحروف العربية)، مع تفاوت كبير من كاتب إلى آخر (Muller et al., 2020). ويستعمل العربيزي الحروف اللاتينية والأرقام (Al Almaoui et al., 2025)، لذلك يمكن أن تُكتب الكلمة الواحدة بعدة طرق.
حضور كثيف للفرنسية. في بيانات التدريب الموسومة بالعربيزي الجزائري المستخدمة في تلك الدراسة، شكّلت الفرنسية 33.84% من الوحدات (tokens) (Muller et al., 2020). وكانت تلك نصوصًا من شبكات التواصل الاجتماعي؛ أما في المصنع فالمفردات التقنية أكثر احتمالًا لأن تكون فرنسية.
كتابتان وقواعد ممزوجة. تشير دراسة مسحية حول معالجة اللغة العربية المتناوبة لغويًا إلى أن الكتابة باللاتينية غير موحدة، وأن الإملاء غير الموحد يعقّد التقييم (Hamed et al., 2025). كما يمكن أن تأخذ الأفعال الفرنسية قواعد الدارجة، وهو ما لم تُصمَّم له المحللات النصية المعيارية للعربية والفرنسية.
| الظاهرة | مثال توضيحي | ما الذي يتعطل | ما العمل |
|---|---|---|---|
| دارجة بالحروف العربية مع مصطلحات فرنسية | «الـ pompe راهي تسخن» | البحث بالكلمة المفتاحية الفصيحة مضخة لا يجدها؛ أدوات التجذيع العربية تشوّه المزيج | توسيع الاستعلام بالمسرد؛ تضمينات (embeddings) متعددة اللغات |
| العربيزي | "la pompe rahi tsakhan" | المحللات المخصصة للكتابة العربية لا تراه أبدًا؛ قد يصنّفه كاشف اللغة فرنسية أو لغة مجهولة | كشفه صراحة؛ اختباره كلغة قائمة بذاتها |
| كلمات فرنسية بقواعد الدارجة | "ydémarri" (يشتغل) | التجذيع والمطابقة مع المسرد | إضافة الصيغ المصرّفة إلى المسرد |
| اختلاف أشكال الكتابة | roulement، roulman، رولمان | المطابقة الحرفية | مطابقة تقريبية وقائمة بالمتغيرات |
| رموز المعدات داخل الجملة | "P-201 dkhel f défaut" | التقطيع إلى وحدات؛ تقسيم الرموز أو تحريفها | إبقاء الرموز وحدات مطابقة حرفيًا؛ اقتباسها كما هي |
| الرسائل الصوتية | دارجة وفرنسية في جملة واحدة | أخطاء التعرف على الكلام في المصطلحات التقنية | الاختبار على تسجيلاتكم الخاصة |
ماذا يقول البحث العلمي عن النماذج اللغوية الكبيرة والدارجة الجزائرية؟
أوضح دليل حتى الآن دراسة من عام 2025 طلبت من سبعة نماذج، منها GPT-4o وClaude 3.5 Sonnet وGemini 1.5 Pro وLlama 3.3 70B وMistral Large وJais، ترجمة نصوص بالعربيزي من مصادر لبنانية ومصرية وجزائرية. جاءت الجزائرية في المرتبة الثالثة، بمتوسط BLEU قدره 4.24 وchrF قدره 23.21، مقابل 9.65 و34.64 للمصرية. ويربط الباحثون ذلك بالتناوب اللغوي الكثيف مع الأمازيغية والفرنسية والإسبانية، وبضعف حضور اللهجة في المدونات الرقمية. وخلاصتهم: «Models struggle significantly with Arabizi» (النماذج تواجه صعوبة كبيرة مع العربيزي)، مع أن النماذج الجاهزة بقيت صالحة لفهم الفكرة العامة (Al Almaoui et al., 2025).
وفهم الفكرة العامة لا يكفي حين تتضمن الرسالة قيمة عزم شدّ أو خطوة عزل.
ولا تسدّ معايير التقييم هذه الفجوة بعد:
- يغطي DialectalArabicMMLU، المقبول في مؤتمر LREC 2026، اللهجات السورية والمصرية والإماراتية والسعودية والمغربية، دون الجزائرية (Altakrori et al., 2025).
- تُدرج دراسة مسحية من عام 2025 لمعايير تقييم النماذج اللغوية الكبيرة بالعربية تقييمَ التناوب اللغوي، بما فيه المزج بين العربية والفرنسية، ضمن الفجوات الحرجة (Alzubaidi et al., 2025).
- يُعدّ الزوج الجزائري-الفرنسي من أكثر أزواج التناوب اللغوي دراسةً في الأبحاث المنشورة (Hamed et al., 2025)، لكن الموارد محدودة: فإحدى المدونات الصوتية للتناوب بين العربية الجزائرية والفرنسية لا تتجاوز نحو أربع ساعات من ثمانية متحدثين (Amazouz et al., 2017).
وبطاقات النماذج غامضة بالقدر نفسه. فعند كتابة هذا المقال، تذكر بطاقة Llama 4 «Arabic» دون تحديد لهجات (Meta)، ويذكر Qwen3 العربية الفصحى والمغربية والتونسية وتنويعات عربية أخرى، لكنه لا يذكر الجزائرية (Qwen). ويتناول مقالنا عن اختيار نموذج لغوي مفتوح الأوزان معايير الاختيار الأخرى.
يمكن أن يفيد التدريب الخاص باللهجة. فـ Atlas-Chat، وهو عائلة نماذج خضعت لضبط دقيق على الدارجة المغربية، يذكر تحسنًا في الأداء بنسبة 13% لنموذجه ذي 9B مقارنة بنموذج أكبر ذي 13B على معيار DarijaMMLU الخاص به (Shang et al., 2024). والدارجتان المغربية والجزائرية متقاربتان لكنهما ليستا متطابقتين، فلا تنتقل هذه النتائج تلقائيًا.
هل يجب أن يجيب المساعد بالدارجة؟
في معظم المصانع، لا. والتقسيم المعقول هو:
- فهم الدارجة في المدخلات، بالحروف العربية وبالعربيزي، بما فيها المصطلحات الفرنسية ورموز المعدات.
- الإجابة بالفصحى أو الفرنسية حسب اختيار المستخدم، مع النص على ذلك في التعليمات المعطاة للنموذج. فالنماذج اللغوية تجيب أحيانًا بلغة خاطئة، ويزداد ذلك مع التعليمات (prompts) المعقدة ودرجات حرارة أخذ العينات المرتفعة (Marchisio et al., 2024).
- اقتباس القيم والخطوات وتحذيرات السلامة حرفيًا من الوثيقة المعتمدة بلغتها الأصلية. فالدارجة بلا إملاء موحد، والإجراء المعاد صياغته بها لا يمكن مطابقته مع أي مرجع.
وبهذا تبقى الوثيقة المضبوطة هي المرجع، وهو المبدأ نفسه الوارد في مقالنا عن مساعدات المشغلين وتعليمات العمل.
وهناك أثران جانبيان يجب التحقق منهما. فعدد الوحدات (tokens) للمحتوى نفسه قد يختلف بما يصل إلى 15 ضعفًا بين اللغات (Petrov et al., 2023)، لذلك قيسوا عينات من رسائلكم الممزوجة والمكتوبة باللاتينية بأداة التقطيع (tokenizer) الخاصة بكل نموذج مرشح قبل تحديد حجم العتاد. والكلام يحتاج إلى اختبار خاص به: فوثائق Whisper تذكر أن «performance varies widely depending on the language» (الأداء يتفاوت كثيرًا حسب اللغة) (OpenAI Whisper).
كيف نختبر مساعدًا على الدارجة والفرنسية التقنية؟
لن تجيبكم معايير التقييم العامة عن ذلك، فابنوا اختباركم الخاص. يتناول دليلنا عن تقييم نموذج لغوي على وثائقكم طرق التنقيط؛ أما الخطوات الخاصة بالدارجة فهي:
- جمع رسائل حقيقية. خذوا أسئلة وملاحظات كتبها فنيوكم أو قالوها فعلًا، بكل الأشكال التي يستعملونها: الفصحى، والفرنسية، والدارجة بالحروف العربية، والعربيزي، والصوت. واحذفوا الأسماء والبيانات الشخصية.
- بناء مسرد للمصطلحات. لكل معدة وعطل مهمين، اذكروا المصطلح الفصيح والمصطلح الفرنسي وأشكال الدارجة بالكتابتين، مع المتغيرات الإملائية الشائعة.
- كتابة الإجابات المرجعية. لكل سؤال، يسجّل مهندس الوثيقة الصحيحة ومراجعتها والمقطع المعني، ولغة الإجابة المتوقعة.
- تنقيط كل شكل كتابي على حدة. قيسوا دقة البحث والإجابات لأسئلة الفصحى والفرنسية والدارجة بالحروف العربية والعربيزي كلٌّ على حدة، لا في متوسط واحد.
- التحقق من لغة الإجابة والقيم المقتبسة. يجب أن تكون كل إجابة باللغة المطلوبة، وأن تطابق الرموز والوحدات والقيم المصدر تمامًا.
- اختبار الإدخال الصوتي في الموقع. سجّلوا المشغلين في ظروف العمل الحقيقية، وتحققوا من تفريغ المصطلحات التقنية ورموز المعدات.
- المراجعة مع مهندسين يتقنون الدارجة. يقرأ شخص يتحدث الدارجة ويعرف العملية عينة من الإجابات.
- إعادة الاختبار بعد كل تغيير في النموذج أو التعليمات أو المسرد أو الفهرس.
إذا فشل نموذج في صفوف الدارجة بالحروف العربية والعربيزي ونجح في الفصحى والفرنسية، فابدؤوا بالمسرد والبحث قبل تغيير النموذج. ويتناول دليلنا عن قياس الهلوسة الإجابات التي تبدو صحيحة وهي ليست كذلك.
ما لاحظناه في KABAS AI
يعمل DALILE، مساعدنا الذكي للمعرفة، على خوادم العميل نفسه دون اتصال بالإنترنت، وينظّم الوثائق في مكتبات معرفية قابلة للبحث، ويجيب عن الأسئلة مع ذكر المصادر الدقيقة. وهذا مهم في هذا الموضوع: فرسائل الدارجة الحقيقية والعينات الصوتية ومسرد المصطلحات المبني منها تعكس طريقة عمل الموقع، ومع DALILE تبقى في الموقع إلى جانب الوثائق.
لم ننشر نتائج حول الدارجة. ونصيحتنا العملية هي البدء بجرد لغوي للقنوات غير الرسمية إلى جانب الوثائق: سجلات الورديات، وطلبات الصيانة، والأسئلة التي يوجهها الناس أصلًا إلى زملائهم. يبيّن هذا الجرد حجم الدارجة والعربيزي الذي سيواجهه المساعد، ويوفر مجموعة الاختبار الأولى. وينطبق ذلك أيضًا على تقارير الورديات وملاحظات التسليم، حيث تكون عبارات المشغلين أنفسهم هي المدخلات.
ولفهم سبب حاجة المفردات الصناعية العربية إلى عناية خاصة، راجعوا مقالنا عن النماذج اللغوية والمصطلحات الصناعية العربية. ويتولى فريق الذكاء الاصطناعي الوكيلي لدينا نشر DALILE وربطه بأنظمة إدارة الوثائق وقواعد البيانات لديكم.
المصادر
- دستور الجزائر، 2020 (Constitute Project)
- Amazouz, Adda-Decker and Lamel, Addressing Code-Switching in French/Algerian Arabic Speech, Interspeech 2017
- Muller, Sagot and Seddah, Can Multilingual Language Models Transfer to an Unseen Dialect? A Case Study on North African Arabizi (arXiv 2005.00318, 2020)
- Seddah et al., Building a User-Generated Content North-African Arabizi Treebank: Tackling Hell, ACL 2020
- Abdaoui et al., DziriBERT: a Pre-trained Language Model for the Algerian Dialect (arXiv 2109.12346, 2021)
- Hamed et al., A Survey of Code-switched Arabic NLP: Progress, Challenges, and Future Directions, COLING 2025 (arXiv 2501.13419)
- Al Almaoui, Bouillon and Hengchen, Arabizi vs LLMs: Can the Genie Understand the Language of Aladdin? (arXiv 2502.20973, 2025)
- Altakrori et al., DialectalArabicMMLU: Benchmarking Dialectal Capabilities in Arabic and Multilingual Language Models (arXiv 2510.27543, 2025)
- Alzubaidi et al., Evaluating Arabic Large Language Models: A Survey of Benchmarks, Methods, and Gaps (arXiv 2510.13430, 2025)
- Qwen Team, Qwen3: Think Deeper, Act Faster
- Meta، بطاقة نموذج Llama 4 Scout 17B-16E Instruct (Hugging Face)
- Shang et al., Atlas-Chat: Adapting Large Language Models for Low-Resource Moroccan Arabic Dialect (arXiv 2409.17912, 2024)
- Marchisio et al., Understanding and Mitigating Language Confusion in LLMs (arXiv 2406.20052, 2024)
- Petrov et al., Language Model Tokenizers Introduce Unfairness Between Languages (arXiv 2305.15425, 2023)
- OpenAI, Whisper (GitHub)
الأسئلة الشائعة
هل تفهم المساعدات الذكية العامة الدارجة الجزائرية؟
جزئيًا. ففي دراسة من عام 2025، ترجمت سبعة نماذج معروفة العربيزي الجزائري بجودة أقل من المصري أو اللبناني، وخلص الباحثون إلى أن النماذج تواجه صعوبة كبيرة مع العربيزي، مع أنها تبقى صالحة لفهم الفكرة العامة. اختبروا أي نموذج مرشح على عينات حقيقية من رسائل فرقكم قبل الاعتماد عليه.
ما هو العربيزي، ولماذا يهم مساعدًا في المصنع؟
العربيزي هو عربية، غالبًا عامية، تُكتب بالحروف اللاتينية والأرقام. ويستعمله كثيرون في الرسائل والمحادثات الإلكترونية. وقد لا يتعرف عليه فهرس بحث أو نموذج لغوي مضبوط على الكتابة العربية، ولأنه بلا إملاء موحد فإن الكلمة الواحدة تظهر بعدة أشكال.
هل يجب أن يجيب المساعد بالدارجة؟
في الغالب لا. اجعلوا المساعد يفهم الأسئلة بالدارجة، بالحروف العربية أو اللاتينية، ويجيب باللغة التي يختارها المستخدم، وهي عادة العربية الفصحى المعاصرة أو الفرنسية. فالدارجة بلا إملاء موحد، ويجب اقتباس القيم والخطوات وتحذيرات السلامة من الوثيقة المعتمدة بلغتها الأصلية.
هل نحتاج إلى ضبط دقيق (fine-tuning) لنموذج على الدارجة؟
ليس في البداية. ابدؤوا بمسرد للمصطلحات الفرنسية والدارجة التي تستعملها فرقكم، وبحث متعدد اللغات، ومجموعة اختبار مبنية على رسائل حقيقية. لقد أفاد التدريب الخاص باللهجة في حالات أخرى، مثل Atlas-Chat للدارجة المغربية، لكنه يحتاج إلى بيانات وتقييم خاصين به، فلا تلجؤوا إليه إلا إذا أظهرت الاختبارات أن البحث والتعليمات لا يكفيان.
هل يعمل الإدخال الصوتي مع الدارجة الممزوجة بالفرنسية؟
اختبروه قبل أن تعدوا به. فوثائق Whisper نفسها تذكر أن أداءه يتفاوت كثيرًا حسب اللغة، والمدونات الصوتية المنشورة للتناوب بين العربية الجزائرية والفرنسية صغيرة الحجم. سجّلوا عينات حقيقية من مشغّليكم مع ضجيج الورشة، وقيسوا أخطاء التفريغ في المصطلحات التقنية ورموز المعدات.



