النظام الأكاديمي عنوان المشروع: إطار عمل متعدد الوسائط لمحوّل مامبا ومخطط المعرفة للتنبؤ الفوري بعيوب البرمجيات عبر المشاريع
الباحث الرئيس: أ. د. محمد العزه
وصف المشروع:
يتطلب تطوير البرمجيات الحديثة ضمن عملية التكامل المستمر/التسليم المستمر (CI/CD) اكتشافًا سريعًا وموثوقًا للعيوب عند لحظة إرسال الكود. في حين أن التنبؤ الفوري بالعيوب البرمجية (JIT-SDP) يُمكّن من تحديد المخاطر على مستوى الملاحظات المرفقة بالتعديل، إلا أن الأساليب الحالية متعددة المشاريع لا تزال محدودة بسبب اعتمادها الكبير على هندسة الميزات اليدوية، وفهمها الدلالي السطحي للكود ونص الملاحظات المرفقة بالتعديل، وضعف قدرتها على التعميم عبر المشاريع غير المتجانسة، وعدم قدرتها على توحيد مصادر المعلومات المتنوعة (الكود، والنص، ونشاط المطور) في نموذج واحد متماسك. يقترح هذا المشروع إطار عمل هجينًا جديدًا للتنبؤ الفوري بالعيوب البرمجية عبر المشاريع (JIT-CPDP) يدمج معالجة اللغة الطبيعية للنصوص، ونماذج تحويل الكود لتمثيل الكود الدلالي، وشبكات مامبا العصبية لنمذجة التسلسلات الطويلة بكفاءة، وشبكات عصبية بيانية مقترنة بتمثيل الرسم البياني المعرفي لالتقاط بنية البرمجيات العلائقية. من خلال دمج هذه التمثيلات متعددة الوسائط، يهدف الإطار إلى تعزيز دقة التنبؤ وقابلية التفسير وقابلية النقل عبر مستودعات المصادر المفتوحة المتنوعة، مما يدعم في النهاية ضمان جودة البرمجيات بشكل أكثر استباقية وقابلية للتوسع في بيئات التطوير سريعة الخطى.
أسئلة البحث التفصيلية:
سيتم في هذا المشروع بحث مجموعة من الأسئلة البحثية، مع الإشارة إلى أن هذه الأسئلة ذات نطاق واسع وسيتم تحديدها واختيار الأكثر ملاءمة منها لاحقًا وفقًا لتطور المشروع وأولوياته:
- كيف يمكن دمج التمثيلات متعددة الوسائط - التي تجمع بين دلالات شفرة المصدر، ونص الملاحظات المرفقة بالتعديل، ومعرفة البرمجيات الهيكلية/العلائقية - بفعالية لتحسين دقة التنبؤ بالعيوب على مستوى الالتزام مقارنةً بالأساليب أحادية الوسائط؟
- إلى أي مدى يمكن للبنى القائمة على Mamba معالجة قيود الحوسبة والتبعية بعيدة المدى لنماذج Transformer في نمذجة تاريخ تغيير البرمجيات المتسلسل، دون التضحية بأداء التنبؤ؟
- كيف يُحسّن دمج الشبكات العصبية البيانية وتمثيلات الرسم البياني المعرفي (التي تُجسّد العلاقات بين الالتزامات والمطورين والملفات والتبعيات) قابلية نقل نماذج التنبؤ بالعيوب عبر مشاريع ذات هياكل وممارسات تطوير مختلفة؟
- ما هي الفعالية النسبية للإطار الهجين المقترح مقابل أحدث النماذج الأساسية (التعلم الآلي التقليدي، وLSTM/GRU، والنماذج القائمة على Transformer، والنماذج القائمة على GNN) من حيث الدقة والتعميم والكفاءة الحسابية عبر مجموعات البيانات المعيارية (مثل Apache وEclipse وMozilla)؟
متطلبات التقديم:
يجب أن يكون لدى المتقدم درجة بكالوريوس في تخصص ذي صلة بتكنولوجيا المعلومات (علم البيانات، علوم الحاسوب، هندسة البرمجيات، إلخ)، وأن يكون لديه مستوى جيد جدًا في الرياضيات ومهارات برمجة قوية في لغة بايثون، بالاضافة الى استيفاء شروط التقدم لمنحة الباحثين الناشئين
كيفية التقديم:
على الراغبين بالتقدّم إرسال سيرتهم الذاتية مرفقة بجميع الوثائق المطلوبة إلى عنوان البريد الإلكتروني التالي:
graduateschool@psut.edu.jo
لمزيد من المعلومات حول المنحة، يرجى زيارة الرابط التالي: منحة الباحثين الناشئين
تواريخ مهمة:
اخر موعد لتقديم طلب التحاق الماجستير: 5/9/2026
بدء التدريس للفصل الدراسي الأول 2026/2027: 4/10/2026