تحليل البيانات الكبير يُعرّف كيف يُدرس التاريخيون الماضي

وقد اعتمدت البحوث التاريخية منذ زمن طويل على القراءة الدقيقة للمحفوظات والرسائل والسجلات الرسمية، وقد تركزت أعمال التاريخ على التحليل الدقيق لمجموعات الوثائق الصغيرة نسبيا، واستخلاص النتائج من ما يمكن للباحث أن يقرأه بصورة معقولة في عمر، وقد تحولت هذه النموذج بشكل كبير، كما أن ارتفاع المحفوظات الرقمية، إلى جانب أدوات تحليلية قوية، يتيح للباحثين الآن أن يجهزوا ملايين الصفحات المعقدة من النص.

ولا يحل محل تحليل البيانات الضخمة محل الأعمال التفسيرية المتأنية التي يقوم بها المؤرخون، بل يضاعف قدرتهم على رؤية أنماط غير مرئية لأي قارئ واحد، وبتطبيق أساليب حاسوبية على مجموعة واسعة من المواد التاريخية، يمكن للباحثين أن يطرحوا أسئلة جديدة، ويختبروا الافتراضات التي طال أمدها، ووصلات غير سرية تعيد تشكيل فهمنا للماضي، وتدرس هذه المادة الأدوات والتطبيقات والفوائد والتحديات القائمة في العالم.

ما هو تحليل البيانات الكبيرة في سياق تاريخي؟

وتشير تحليلات البيانات الضخمة إلى الامتحان المنهجي لمجموعات البيانات الكبيرة والمعقدة باستخدام أساليب حسابية لتحديد الأنماط والترابط والاتجاهات، وفي سياق البحوث التاريخية، تشمل هذه البيانات عادة الكتب الرقمية والصحف والمراسلات وسجلات التعداد وسجلات الممتلكات ووثائق المحاكم وغيرها من المصادر الأولية التي حُولت إلى أشكال قابلة للقراءة الآلية.

وتتجلى الخصائص الرئيسية للبيانات الكبيرة في التاريخ في مجالات أخرى: الحجم (المناطق أو المناقصات) والسرعة (مجاري المواد الحديثة الرقمنة)، والتنوع (البيانات الهيكلية مثل جداول التعداد إلى جانب النص غير المنظم)، غير أن البيانات التاريخية الكبيرة تطرح تحديات فريدة، وكثيرا ما تكون المصادر غير كاملة وغير متسقة في الشكل، وتتكون من تحيزات مبدئيها الأصليين، وتحتاج أيضا بيانات تاريخية مثبتة.

وتشمل الأساليب التحليلية التي تطبق عادة في مشاريع البيانات الكبيرة التاريخية تجهيز اللغات الطبيعية لأغراض تعدين النصوص، والتحليل الجغرافي المكاني لرسم خرائط التغير التاريخي، وتحليل الشبكات لدراسة العلاقات والنفوذ، والنمذج الإحصائي للأنماط الاقتصادية والديمغرافية، وخوارزميات التعلم الآلاتي للتصنيف وكشف النمط عبر مجموعة كبيرة من الجثث.

التحول الرقمي للبحوث التاريخية

ولم يحدث التحول نحو التاريخ الحسابي بين عشية وضحاها، فقد بدأ في وقت مبكر بذل جهود لرقمنة أدوات البحث عن المحفوظات وسجلات المغالطة في الثمانينات والتسعينات، وأتاحت مبادرات رئيسية مثل مبادرة تكريس النصوص ونمو مراكز العلوم الإنسانية الرقمية أرضية لمشاريع أكثر طموحاً، وأنشأ مؤتمر الكتلة للكتب بواسطة " جدول جوجل " ، الذي بدأ في عام 2004، ونشر رقمنة الصحف من خلال برامج مثل " .

وقد فتحت هذه السجلات الرقمية الباب لإجراء تحليل حاسوبي، فتمكن الباحثون من البحث فجأة عن ملايين الصفحات بعبارات محددة، وتتبع تواتر الأفكار على مر الزمن، ومقارنة استخدام اللغات في المناطق والعقود، وقد أتاح نشر أدوات مثل غوغل نغرام فيوير في عام 2010 لأي شخص استكشاف اتجاهات تردد الكلمات عبر قرون من الكتب المنشورة، ووضعت المختبرات الأكاديمية أدوات أكثر تطوراً لنموذج الموضوع وتحليل المشاعر ووصف النصوص التاريخية.

وقد كان هذا التحول غير متساو، فبعض الميادين، مثل التاريخ الاقتصادي وتاريخ الديمغرافيا، استخدمت منذ وقت طويل أساليب كمية وتكيفت بسرعة، بينما قاومت مجالات أخرى، بما فيها التاريخ الفكري والتاريخ الثقافي، في البداية النهج الحسابية، ولكنها أخذت تدمج بشكل متزايد الأساليب الرقمية، وعجلت جهود التقلب في المحفوظات في جميع أنحاء العالم، ودفعت عددا أكبر من المؤرخين إلى التعامل مع الأدوات الرقمية من الضرورة، مما أحدث تغييرات دائمة في ممارسة البحوث.

التطبيقات الرئيسية لتحليل البيانات الضخمة في التاريخ

وتتسع نطاق تطبيقات تحليل البيانات الضخمة في البحوث التاريخية وتزداد بسرعة، وتصف الفروع التالية أبرز مجالات العمل، مع أمثلة مستمدة من مشاريع البحث الجارية.

النص التعديني وشركة كوربس لللغات

ويتيح تعدين النصوص للمؤرخين تحليل أنماط اللغات عبر مجموعات هائلة من الوثائق، وبتطبيق تقنيات تجهيز اللغات الطبيعية على النصوص الرقمية، يمكن للباحثين أن يتتبعوا ظهور المفاهيم وتراجعها، وأن يحددوا التحولات في الأسلوب الخطابي، وأن يحددوا كميا التغييرات في استخدام الكلمات التي تعكس التحولات الثقافية أو السياسية الأوسع نطاقا.

مثال ذو نفوذ يأتي من ميدان التاريخ المفاهيمي باحثون في مؤسسات مثل مشروع المعرفة () في جامعة أوكسفورد استخدموا التعدين في النص لدراسة تطور اللغة العلمية في شبكات المراسلات الحديثة المبكرة، عن طريق تحليل رسائل شخصيات مثل فرانسيس باكون وجون لوك إلى جانب آلاف المراسلين الأقل شهرة،

ومن التطبيقات الرئيسية الأخرى تحليل المشاعر، حيث تقيّم الخوارزميات النبرة العاطفية للنصوص، وقد طبق التاريخ تحليلات للمشاعر على مجموعات الرسائل الشخصية، والمذكرات، والرأي الصحيفي لتتبع المزاج العام خلال فترات الأزمات، مثل الحروب أو الاكتئاب الاقتصادي، وفي حين أن تحليل المشاعر لا يزال غير سليم للنصوص التاريخية بسبب التحولات في اللغة والتعبير الثقافي، فإنه يوفر نقطة انطلاق مفيدة للتاريخ العاطفي الواسع النطاق.

النموذج الصوري للاكتشافات المواضيعية

والنموذج المسمّى هو أسلوب تعدين النصوص الذي يحدد تلقائياً مجموعات الكلمات المشتركة في مجموعة ما، مما يشير إلى مواضيع أو مواضيع أساسية، ويستخدم التاريخ نماذج للموضوعات لدراسة محتوى المحفوظات الكبيرة دون قراءة كل وثيقة، فعلى سبيل المثال، يمكن لباحث يدرس الصحف القرن التاسع عشر أن يُجري نموذجاً للموضوعات بشأن ملايين المواد لتحديد أكثر المسائل التي نوقشت على مدى عقود، ثم يحفر في مواضيع محددة ذات أهمية.

وقد طُبِّق هذا النهج على إجراءات بشأن قضية بيلي العليا ]، وهي محفوظات رقمية تضم نحو 000 200 محاكمة جنائية من لندن تمتد من 1674 إلى 1913، وكشفت النمذجة عن أنماط في كيفية تغير الجريمة والعقاب والمواقف الاجتماعية بمرور الوقت، مما يعرض أفكاراً عن العلاقة بين اللغة القانونية والأخلاق العامة التي قد يتعذر استخلاصها من القراءة الدقيقة وحدها.

التحليل الجغرافي المكاني والرسم التاريخي

وقد أصبحت نظم المعلومات الجغرافية أدوات أساسية لتاريخيين يدرسون الأنماط المكانية، وبتوسيع مواقع تاريخية من الخرائط وسجلات الممتلكات وحسابات السفر إلى قواعد البيانات الجغرافية المكانية، يمكن للباحثين أن يتصوروا كيف تغيرت المعالم الطبيعية والمستوطنات والحدود وأنماط الحركة بمرور الوقت.

وتُعد مشاريع رئيسية مثل نموذج " أوربيس " (FLT:0) من جامعة ستانفورد إعادة بناء شبكات النقل التابعة للإمبراطورية الرومانية، مما يتيح للباحثين حساب أوقات السفر والتكاليف في جميع أنحاء العالم القديم، وقد أدى هذا النهج الجيودي المكاني إلى تغيير فهم التجارة الرومانية والاتصالات والسوقيات العسكرية، كما أن الأطلس الأثري الرقمي للأرض المقدسة يوفر بيانات مستمدة من مصادر مكانية.

كما تدعم البيانات الضخمة الجغرافية المكانية البحوث المتعلقة بالهجرة القسرية، ومجتمعات المغتربين، والتاريخ البيئي للنشاط الإنساني، وبجمع بيانات السفن، وسجلات التعداد، وبيانات ملكية الأراضي مع إحداثيات جغرافية، يمكن أن يتتبع مؤرخون حركة الأشخاص المستعبدين والمهاجرين واللاجئين على نطاق واسع ودقيق في السابق.

تحليل الشبكة للعلاقات التاريخية

ويرسم تحليل الشبكة الصلات بين الأفراد أو المنظمات أو المؤسسات، ويكشف عن هياكل النفوذ والتعاون والصراع، وفي البحوث التاريخية، تعاد بناء هذه الشبكات عادة من المراسلات، وقوائم العضوية، وأنماط الاستشهاد، والبيانات الأخرى ذات الصلة الواردة في المحفوظات.

ومن المشاريع البارزة في هذا المجال Six Degrees of Francis Bacon]، التي تعيد بناء الشبكة الاجتماعية للمفكرين الحديثين في وقت مبكر، ومن خلال تحليل آلاف الرسائل والتفانات، يرسم المشروع خرائط عن مدى ارتباط الأرقام مثل فرانسيس باكون وتوماس هوبز وجون دون من خلال المراسلين المتشاركين، والعلاقات البصرية، والانتماءات المؤسسية.

كما تم تطبيق تحليل الشبكة على التاريخ السياسي، ورسم الخطوط العريضة للوصلات بين أعضاء الجمعيات الثورية والفصائل البرلمانية والشبكات الدبلوماسية، ويمكن لهذه الدراسات أن تحدد السماسرة الرئيسيين، وقياس تماسك المجموعات السياسية، وتتبع كيفية تحول التحالفات خلال فترات الاضطرابات، والنهج يتسم بقوة خاصة عندما يقترن بالتعدين النصي: يمكن للباحثين تحليل كل من يراسلون مع من كتبوا وما كتبوه عن هيكل ومضمون.

التاريخ الاقتصادي الديمغرافي الكمي

وقد استخدمت الاقتصاد التاريخي والديمغرافيا أساليب كمية منذ عقود، ولكن نطاق البيانات المتاحة الآن قد وسع نطاق الإمكانيات بشكل هائل، ويمكن للباحثين تحليل ملايين السجلات الفردية من التعدادات، والسجلات الضريبية، وسجلات الأبرشية، وقوائم الأسعار لإعادة بناء الظروف الاقتصادية، والديناميات السكانية، ومستويات المعيشة عبر فترات طويلة.

إن عمل المؤرخين الاقتصاديين مثل توماس بيكيتي، الذي استخدم سجلات ضريبية تمتد لعدة قرون لتوثيق الاتجاهات الطويلة الأجل في عدم المساواة في الثروة، يجسد قوة التحليل الكمي الواسع النطاق، وتجمع مشاريع مثل المجموعة العالمية لتاريخ الأسعار والدخل بيانات الأسعار والأجور من عشرات البلدان، مما يتيح إجراء دراسة مقارنة للتنمية الاقتصادية عبر القارات والعهود.

وقد استخدم التاريخ الديمغرافي سجلات رقمية لتسجيلات المتحضرات لتتبع معدلات الولادة والزواج والوفاة في قرار غير مسبوق، وفي السويد، تتضمن قاعدة البيانات الديمغرافية الاقتصادية في الصين أكثر من مليوني سجل فردي يمتد على القرون من 17 إلى 19، مما يتيح إجراء تحليل مفصل للردود الديمغرافية على الصدمات الاقتصادية والأوبئة والتغيرات في السياسات، ولا تسترشد هذه النتائج بالفهم التاريخي فحسب، بل أيضا بالمناقشات المعاصرة بشأن الديناميات السكانية والصحة العامة.

فوائد تحليل البيانات الضخمة للدراسات التاريخية

ويتيح إدماج محللي البيانات الضخمة مزايا كبيرة تتيح توسيع نطاق المنح الدراسية التاريخية وتصلبها.

Scale of Evidence:] Computational methods allow historians to base claims on far larger evidence bases than any human reader could process. Arguments that were previously supported by a few dozen representative examples can now be tested against thousands or millions of relevant documents.

Pattern Detection:] Algorithms excel at finding subtle patterns in large datasets that human readers would miss. This includes trends in word usage, structural similarities between documents, correlations between economic and cultural variables, and long-term cycles in social behavior.

Hypothesis Generation:] Exploratory data analysis using big data techniques can surface expected patterns that lead to new research questions. A topic model of a newspaper archive might reveal a previously overlooked debate; a network visualization might identify a key intermediary whose role was forgotten in later accounts.

Cros-Referencing Diverse Sources:] Big data analytics makes it practical to integrate information from many different types of sources. A study of political movements might combine newspaper articles, police surveillance reports, personal correspondence, and voting records, using computational methods to links of the same events, people, and places across these disparate materials.

Reproducibility and Transparency:] يمكن توثيق وتقاسم تدفقات العمل الحاسوبية، مما يتيح للباحثين الآخرين تكرار النتائج أو النقدية، وهذا يمثل تحولا نحو ممارسات أكثر صرامة وشفافية في البحوث التاريخية، التي تعتمد تقليديا على الخبرة غير القابلة للتحقق لدى فرادى العلماء.

التحديات والنظر في المسألة

وعلى الرغم من إمكاناته، فإن تحليلات البيانات الضخمة في التاريخ تطرح تحديات هائلة يجب على الباحثين أن يبحروا بعناية.

نوعية البيانات والخصائص المصدرية

فالبيانات التاريخية لا تُنظَّف أبداً، فالرقمنة تُحدث أخطاء من خلال أخطاء في التعرف على السمات البصرية، وعدم اكتمال البيانات الوصفية، وعدم الاتساق في الشكل، وتُشكل المصادر الأصلية نفسها بتحيزات المبدعين وإغفالاتهم واتفاقياتهم، وقد تخضع سجلات التعداد السكاني للإحصاء، وتُظهر التغطية الصحفية الأولويات التحريرية؛ وتُكتب رسائل شخصية مع جمهور بعين الاعتبار.

ويمكن أن يؤدي التحليل الحاسوبي إلى تفاقم هذه المشاكل إذا لم يحسب الباحثون لها، إذ أن الخوارزمية التي يتم تدريبها على البيانات غير التمثيلية ستسفر عن نتائج غير تمثيلية، إذ يجب على المؤرخين الذين يعملون مع بيانات كبيرة أن يُستخدموا نفس النقد المصدر الذي سيستخدمونه في أي وثيقة، ولكن مكيَّفين وفقاً لحجم وتعقيدات المجموعات الرقمية، وهذا يتطلب في كثير من الأحيان التعاون بين خبراء المجالات وعلماء البيانات.

الشواغل الأخلاقية والاستشعار الثقافي

ويثير رقمنة المواد الأرخية تساؤلات أخلاقية بشأن الخصوصية والموافقة والسلطة الثقافية، وتتضمن سجلات تاريخية كثيرة معلومات عن السكان الأحياء أو عن أذرعهم المقربين، وقد تحتفظ محفوظات الإدارات الاستعمارية، والمجتمعات المبشرة، وغيرها من المؤسسات بمواد تعتبرها المجتمعات المحلية حساسة أو التي جُمعت في ظل ظروف قسرية.

ويجب على الباحثين الذين يستخدمون تحليلات البيانات الكبيرة أن ينظروا فيما إذا كان عملهم يحترم كرامة الأشخاص الممثّلين في البيانات وما إذا كان يمكن أن يسبب ضرراً، فقد أثارت مجتمعات الشعوب الأصلية، على سبيل المثال، شواغل بشأن رقمنة رفات الأجداد، والأجسام المقدسة، والمعرفة الاحتفالية، وتتطلب الممارسة الأخلاقية في التاريخ الرقمي إجراء مشاورات مستمرة مع أصحاب المصلحة في المجتمع المحلي، وإيلاء اهتمام دقيق لإدارة البيانات.

The Technical Skills Gap

ويتلقى معظم المؤرخين التدريب على تحليل النصوص، والبحث في المحفوظات، والحجة التفسيرية، لا في مجال البرمجة أو الإحصاءات أو إدارة البيانات، ويمكن أن تخلق الطلبات التقنية للمحللين الرئيسيين للبيانات حواجز تحول دون الدخول إلى مؤسسات ذات موارد جيدة وتعميق أوجه عدم المساواة بين المؤسسات التي لديها قدرات تكنولوجية أقل.

وتتطلب معالجة هذه الفجوة إجراء تغييرات في تدريب الخريجين، واستحداث أدوات تحليلية سهلة الاستعمال مصممة للمؤرخين، ونماذج تعاونية يعمل فيها خبراء المجالات إلى جانب أخصائيين في الحاسوب، وتوفر عدة مبادرات رئيسية، بما فيها المعهد الصيفي للإنسانيات الرقمية ومعهد العلوم الرقمية للفنون الليبرالية، برامج تدريبية تهدف إلى بناء هذه المهارات بين العلماء في مجال العلوم الإنسانية.

Algorithmic Bias and Interpretive Limits

فالأجوريم ليست محايدة، فهي تورد افتراضات بشأن كيفية تنظيم البيانات، وما هي الأنماط ذات المغزى، وما هي الفئات التي تُعد، ونماذج التعلم الماكنة التي تم تدريبها على النصوص التاريخية، وترث التحيزات الموجودة في تلك النصوص، كما أن الخوارزمية التي يتم تدريبها على مجموعة من المجلات الطبية في القرن التاسع عشر ستستنسخ الافتراضات العنصرية والجنسانية لتلك الحقبة ما لم يُدرج الباحثون فيها صراحة.

وعلاوة على ذلك، لا يمكن أن تجيب الأساليب الحاسوبية إلا على أنواع معينة من الأسئلة، بل إنها أفضل ملاءمة لتحديد الأنماط من تفسير أسباب وجود هذه الأنماط، ولا يزال العمل التفسيري لفهم الدوافع البشرية والمعاني الثقافية والطوارئ التاريخية يتطلب الحكم والمعرفة السياقية للتاريخ المدربين، كما أن تحليل البيانات الضخمة أداة لا بديلا للتفكير التاريخي.

الأطر المنهجية للتاريخ الحاسوبي

ويعتمد النجاح في إدماج تحليلات البيانات الكبيرة في البحوث التاريخية على المنهجية السليمة، وقد برزت عدة أطر لتوجيه الباحثين في تصميم وتقييم المشاريع الحاسوبية.

Distant Reading:] Coined by literary scholar Franco Moretti, remote reading describes the practice of analyzing literature not by reading individual texts closely but by examining patterns across large collections. The approach has been widely adopted in historical research, particularly for studying genre, theme, and language change across century of published material.

Scalable Reading:] A refinement of remote reading, scalable reading moves between macro-level analysis of large corpora and micro-level close reading of specific documents. A researcher might use topic modeling to identify relevant texts in a massive archive, then read those texts closely to understand their meaning. This iterative movement between scales allows computational methods.

Mixed Methods:] Many historians working with big data combine quantitative analysis with qualitative case studies, archival research, and narrative history. A study of political language in parliament might use text mining to track the frequency of key terms across decades, then examine specific debates in detail to understand how those terms were deployed in context. Mixed methods preserve the strengths of both computalation.

دراسات حالة في التاريخ الحاسوبي

وتوضح عدة مشاريع بارزة قوة وتعقيد تحليلات البيانات الكبيرة في البحوث التاريخية.

The History of Emotions:] An international research project based at the Australian National University used text mining to analyze emotional expression in thousands of historical texts from the Middle Ages to the twentieth century. By tracking the frequency of words associated with specific emotions, such as fear, anger, and fun, the project has documented long-term shifts in emotional norms and their relationship to cultural,

مشروع واسع النطاق في جامعة ستانفورد أعاد بناء شبكات المراسلات من المفكرين المُنبّرين بما فيهم فولتير وبنجامين فرانكلين والسيدة دو شاتيه، من خلال الجمع بين تحليل الشبكة والتصوير الجغرافي المكاني، كشف المشروع عن كيفية توزيع المعارف عبر الشبكات غير الرسمية للكتابات الرقمية، ورسم صورة مشروع تطوير النماذج الوطنية.

(ب) قاعدة بيانات تجارة الرقيق عبر المحيط الأطلسي: ] A comprehensive database documenting nearly 36,000 voyages that transported enslaved Africans to the Americas between 1500 and 1866. The project aggregates data from archives around the world, including ship manifests, logbooks, and legal slavery.

الآفاق المستقبلية والاتجاهات الناشئة

ولا يزال إدماج تحليلات البيانات الكبيرة في البحوث التاريخية في مراحله الأولى، وتشير عدة اتجاهات ناشئة إلى كيفية تطور الميدان في السنوات القادمة.

وسيوسع نطاق هذه المصادر التاريخية التي يمكن تحليلها حسب الحاسوب، ويستخدم الباحثون بالفعل شبكات عصبية لترجمة الوثائق المكتوبة بخط اليد والتي من شأنها أن تُعرف بعمق تحليل النصوص والاعتراف بالصور.

Linked Data and Semantic Integration:] Efforts to create linked open data for historical information will allow researchers to connect datasets from different projects and institutions. A historian studying a particular region could combine census data, property records, newspaper archives, and correspondence networks into a unified analysis framework. The potential for cross-collection discovery and analysis is enormous.

(أ) يعتمد التحليل التاريخي الواسع النطاق بشكل متزايد على الهياكل الأساسية المشتركة، بما في ذلك المستودعات الرقمية، والمنابر الحاسوبية، ومعايير البيانات الوصفية وتقاسم البيانات، وتمثل مبادرات مثل المشروع الأوروبي لأشعة الوقت، الذي يهدف إلى إنشاء نظام معلومات رقمية للتراث الثقافي الأوروبي، جهودا طموحة لبناء البنية التحتية التعاونية التي تتطلب تاريخاً حسابياً.

(ب) إن تحليلات البيانات الضخمة لها أيضاً آثار على التاريخ العام، كما أن الصور التفاعلية والمعارض الرقمية والمنابر الإلكترونية تتيح للجماهير الواسعة لاستكشاف الأنماط التاريخية، كما أن المشاريع مثل البانوراما الأمريكية في جامعة ريتشموند تستخدم بيانات جغرافية مكانية لخلق روايات بصرية مقنعة للتغير التاريخي، ويمكن لهذه الأدوات أن تجعل البحث التاريخي أكثر سهولة.

Critical Data Studies:] As computational methods become more central to historical research, the field is also developing a critical perspective on the use of data. Scholars are examining rather how digitization decisions shape what we can know about the past, how algorithmic methods encode assumptions, and how the digital divide affects whose histories are studieda.

خاتمة

وقد أوجدت تحليلات كبيرة للبيانات إمكانيات جديدة للبحوث التاريخية التي لم يكن من الممكن تصورها منذ جيل، ويمكن الآن للتاريخ تحليل النصوص، وتتبع التحركات، وربط الخرائط، وافتراضات الاختبار على نطاق يغير جوهري ما يمكن طرحه من أسئلة وما يمكن إيجاد إجابات، وتأتي أغنى النتائج من إدماج التحليل الحسابي مع انتقادات دقيقة من مصادرها، ومهارات تفسيرية، ووعي واضح بالحدود والافتراضات التي تبنى في أي طريقة.

إن تحول التاريخ من خلال البيانات الكبيرة ليس بديلا عن الأساليب التقليدية بل توسيع مجموعة الأدوات التاريخية، بل يسمح للباحثين بالتحرك بين الميكروفون والكروم، والوثيقة المحددة والمجموعة الضخمة، والقصة الفردية والنمط الهيكلي، ولكي يحقق التاريخ كامل إمكاناته، يجب أن يواصلوا تطوير المهارات التقنية والأطر الأخلاقية والهياكل التعاونية التي ستدعم البحث المسبق والمسؤول.