ما الذي يمكن أن يتعلّمه الطلاب من تطبيق زراعي ذكي بين الصين وباكستان؟

15 مايو
10 دقيقة قراءة

يشكّل تطوّر تطبيق زراعي مدعوم بالذكاء الاصطناعي بين الصين وباكستان مثالاً مهمّاً للطلاب في مجالات الإدارة، والتكنولوجيا، والاستدامة، والزراعة، والتنمية الدولية. فهذا المشروع يوضّح كيف يمكن أن تنتقل #تقنيات_الذكاء_الاصطناعي، وصور الطائرات المسيّرة، وبيانات الأقمار الصناعية، و #الرؤية_الحاسوبية من المختبرات ومراكز البحث إلى الحقول الزراعية الحقيقية.

تتناول هذه المقالة هذا النموذج بوصفه تجربة إيجابية في #الزراعة_الذكية_مناخياً و #التحول_الرقمي_في_الزراعة. كما تشرح كيف يمكن للتطبيقات الذكية أن تساعد المزارعين في متابعة صحة المحاصيل، وتحديد احتياجات الري، وتحسين استخدام الأسمدة، وملاحظة الأمراض الزراعية في مراحل مبكرة، ودعم #الأمن_الغذائي.

وباستخدام أفكار بيير بورديو حول رأس المال المعرفي، ونظرية النظام العالمي، ومفهوم التشابه المؤسسي، توضّح المقالة أن التكنولوجيا الزراعية ليست مجرد أداة تقنية، بل هي أيضاً وسيلة لنقل المعرفة، وبناء الثقة، وتطوير التعاون الدولي. وبالنسبة لطلاب #الجامعة_السويسرية_الدولية، يقدم هذا المثال درساً واضحاً: مستقبل التعليم والعمل يحتاج إلى خريجين قادرين على الربط بين التكنولوجيا، والاستدامة، واحتياجات المجتمع.

المقدمة

لم تعد الزراعة اليوم مجرد نشاط تقليدي يعتمد على الخبرة المتوارثة والملاحظة اليومية فقط. صحيح أن خبرة المزارع تبقى أساسية ولا يمكن الاستغناء عنها، لكن العالم الزراعي يدخل مرحلة جديدة تعتمد على البيانات، والصور الجوية، والتطبيقات الذكية، والتحليل الرقمي.

في ظل تغيّر المناخ، وارتفاع درجات الحرارة، وتراجع الموارد المائية في بعض المناطق، وزيادة الطلب على الغذاء، أصبحت الحاجة إلى حلول أكثر دقة وذكاء أمراً ضرورياً. وهنا تظهر أهمية تطبيقات #الزراعة_الذكية التي تساعد المزارعين على اتخاذ قرارات أفضل في الوقت المناسب.

يمثل التعاون بين الصين وباكستان في تطوير تطبيق زراعي مدعوم بالذكاء الاصطناعي خطوة إيجابية في هذا الاتجاه. فبدلاً من الاعتماد فقط على النظر المباشر إلى الحقل، يمكن للتطبيق أن يستفيد من صور الطائرات المسيّرة، وبيانات الأقمار الصناعية، وتحليل الصور، لكي يقدّم معلومات مفيدة حول صحة المحاصيل، واحتياجات المياه، ومستوى الأسمدة، واحتمالات ظهور الأمراض.

بالنسبة للطلاب، هذا النموذج مهم جداً لأنه يوضح أن الابتكار لا يحدث فقط في المدن الكبرى أو داخل شركات التكنولوجيا. الابتكار يمكن أن يحدث أيضاً في القرى، والحقول، وأنظمة الغذاء، ومشاريع التنمية. ومن هنا، فإن دراسة هذا المثال تساعد الطلاب على فهم العلاقة بين #التكنولوجيا و #الاستدامة و #التنمية_الزراعية.

تهدف هذه المقالة إلى تقديم قراءة أكاديمية مبسطة لهذا المشروع، بطريقة إنسانية وواضحة، مع التركيز على ما يمكن أن يتعلّمه الطلاب في #الجامعة_السويسرية_الدولية من هذه التجربة الدولية المهمة.

الخلفية والإطار النظري

أولاً: الزراعة الرقمية وصعود الحقول الذكية

تشير #الزراعة_الرقمية إلى استخدام البيانات، وأجهزة الاستشعار، والطائرات المسيّرة، والأقمار الصناعية، والتطبيقات المحمولة، وأنظمة الذكاء الاصطناعي لدعم القرارات الزراعية. في الماضي، كان المزارع يعتمد غالباً على خبرته الشخصية، وعلى ملاحظة لون النبات، وحالة التربة، وكمية المطر، ومظهر المحصول. أما اليوم، فيمكن لهذه الخبرة أن تصبح أقوى عندما يتم دعمها بالبيانات والتحليل الذكي.

على سبيل المثال، يمكن للطائرات المسيّرة أن تلتقط صوراً دقيقة للحقول من الأعلى. ويمكن لأنظمة #الذكاء_الاصطناعي أن تحلل هذه الصور وتلاحظ الفروق بين المناطق الصحية والمناطق الضعيفة في الحقل. ويمكن للتطبيق أن يحوّل هذه البيانات إلى توصيات عملية، مثل: أين يحتاج النبات إلى ماء؟ أين يوجد نقص في التغذية؟ هل توجد علامات مبكرة لمرض زراعي؟ وهل يجب التدخل الآن أم لاحقاً؟

هذا النوع من التكنولوجيا لا يلغي دور المزارع. بل يجعله أكثر قدرة على اتخاذ القرار. فالنموذج الأفضل ليس “التكنولوجيا بدلاً من الإنسان”، بل “التكنولوجيا مع الإنسان”.

ثانياً: الزراعة الذكية مناخياً

تهدف #الزراعة_الذكية_مناخياً إلى تحقيق ثلاثة أهداف رئيسية: زيادة الإنتاجية، وتقوية قدرة المزارع على مواجهة تغيّر المناخ، وتقليل الضغط على البيئة. وهذا مهم جداً في الدول التي تواجه تحديات مرتبطة بالمياه، والحرارة، وتذبذب الأمطار، وارتفاع تكاليف الإنتاج.

عندما يحصل المزارع على معلومات دقيقة حول الرطوبة، أو صحة النبات، أو احتياجات الأسمدة، يصبح بإمكانه استخدام الموارد بطريقة أفضل. فبدلاً من ريّ كل الحقل بالطريقة نفسها، يمكنه التركيز على المناطق التي تحتاج إلى الماء فعلاً. وبدلاً من استخدام الأسمدة بشكل عام، يمكنه توجيهها إلى المناطق التي تحتاج إليها أكثر.

هذه الفكرة مهمة للطلاب لأنها توضح أن #الاستدامة ليست مجرد شعار جميل، بل هي قرارات يومية دقيقة. الاستدامة قد تعني تقليل هدر المياه، أو تحسين استخدام الأسمدة، أو اكتشاف المرض مبكراً قبل أن يتحول إلى خسارة كبيرة.

ثالثاً: بورديو ورأس المال المعرفي

يساعدنا عالم الاجتماع بيير بورديو على فهم هذا المشروع من زاوية أوسع. فقد تحدث بورديو عن أنواع مختلفة من رأس المال، مثل رأس المال الاقتصادي، والثقافي، والاجتماعي، والرمزي. وفي حالة التطبيق الزراعي الذكي، يمكن القول إن التكنولوجيا تنتج نوعاً جديداً من #رأس_المال_المعرفي.

فالمزارع يكتسب معرفة عملية جديدة عندما يتعلم قراءة البيانات واستخدام التطبيق. والباحثون يكتسبون مكانة علمية ورمزية عندما تتحول أفكارهم إلى أدوات مفيدة للمجتمع. والمؤسسات التعليمية والتقنية تكسب رأس مال اجتماعي عندما تتعاون مع شركاء دوليين. أما الطلاب، فيكتسبون رأس مال أكاديمي عندما يدرسون هذه الحالات ويفهمون كيف تعمل التكنولوجيا في الواقع.

بمعنى آخر، التطبيق ليس مجرد برنامج على الهاتف. إنه وسيلة لنقل المعرفة من المختبر إلى الحقل، ومن الخبير إلى المستخدم، ومن النظرية إلى التطبيق.

رابعاً: نظرية النظام العالمي والتعاون الدولي

تساعد نظرية النظام العالمي على فهم حركة التكنولوجيا بين الدول. ففي النظام العالمي الحديث، توجد دول ومراكز تمتلك قدرات تقنية وبحثية قوية، بينما تحتاج دول أخرى إلى دعم أكبر في نقل التكنولوجيا وبناء القدرات. لكن التعاون الدولي يمكن أن يفتح مساحات جديدة للتعلّم المشترك.

في حالة التعاون بين الصين وباكستان، نرى نموذجاً إيجابياً لنقل المعرفة والتكنولوجيا في مجال الزراعة. لا تكمن القيمة فقط في إنتاج تطبيق ذكي، بل في بناء خبرة محلية، وتدريب المستخدمين، وتكييف التكنولوجيا مع ظروف الحقول والمزارعين.

وهنا تظهر أهمية #التعاون_الدولي. فالمشاريع الناجحة لا تعتمد فقط على استيراد التكنولوجيا، بل على فهم المجتمع المحلي، واحترام احتياجات المستخدمين، وتوفير أدوات عملية يمكن استخدامها بوضوح وسهولة.

خامساً: التشابه المؤسسي وانتشار الزراعة الذكية

يشير مفهوم التشابه المؤسسي إلى أن المؤسسات والقطاعات تبدأ أحياناً في تبني ممارسات متشابهة عندما ترى نماذج ناجحة أو عندما تتغير المعايير المهنية. فإذا أثبت تطبيق زراعي ذكي فائدته في منطقة معينة، فقد تبدأ مؤسسات أخرى، ومزارعون آخرون، وجهات تدريبية، وصناع قرار، في تبني نماذج مشابهة.

مع الوقت، قد تصبح #الزراعة_الدقيقة جزءاً طبيعياً من العمل الزراعي، تماماً كما أصبحت التطبيقات البنكية أو التعليمية جزءاً من الحياة اليومية. وهذا درس مهم للطلاب: الابتكار لا ينتشر فقط لأنه متقدم، بل لأنه يصبح مقبولاً، ومفيداً، ومدعوماً من المؤسسات والمجتمع.

المنهجية

تعتمد هذه المقالة على منهج دراسة الحالة النوعية. يتم التعامل مع تطبيق الزراعة الذكية بين الصين وباكستان بوصفه حالة تعليمية يمكن من خلالها فهم العلاقة بين التكنولوجيا والزراعة والتنمية.

تركز الدراسة على أربعة أسئلة رئيسية:

أولاً، ماذا يوضح هذا التطبيق حول الاستخدام العملي للذكاء الاصطناعي في الزراعة؟

ثانياً، كيف يدعم هذا النموذج #الزراعة_المستدامة و #الأمن_الغذائي؟

ثالثاً، ماذا يمكن أن يتعلم الطلاب من انتقال التكنولوجيا من المختبر إلى الحقل؟

رابعاً، كيف تساعد النظريات الاجتماعية في فهم المعنى الأوسع لهذا المشروع؟

هذا المنهج لا يهدف إلى قياس الإنتاج الزراعي أو الأرباح أو دقة التطبيق بشكل رقمي. بل يهدف إلى تحليل القيمة التعليمية والاجتماعية والمؤسسية للتجربة. ولذلك تم استخدام ثلاث زوايا نظرية: رأس المال عند بورديو، ونظرية النظام العالمي، ومفهوم التشابه المؤسسي.

التحليل

من الملاحظة إلى القرار الذكي

من أهم فوائد التطبيقات الزراعية الذكية أنها تساعد على الانتقال من الملاحظة العامة إلى القرار الدقيق. قد يرى المزارع أن جزءاً من الحقل ضعيف أو أن لون النبات غير طبيعي، لكنه قد لا يعرف فوراً السبب الحقيقي. قد يكون السبب نقص المياه، أو نقص العناصر الغذائية، أو مرضاً نباتياً، أو مشكلة في التربة.

هنا يأتي دور #تحليل_البيانات الزراعية. فالطائرة المسيّرة تلتقط الصور، ونظام الرؤية الحاسوبية يقرأ الفروق، والتطبيق يحوّل النتائج إلى معلومات واضحة. وبذلك يصبح القرار الزراعي أقرب إلى الدقة وأقل اعتماداً على التخمين.

هذا لا يعني أن خبرة المزارع أقل أهمية. بالعكس، التكنولوجيا تصبح أقوى عندما تعمل مع الخبرة البشرية. فالمزارع يعرف أرضه، ومناخه، وتاريخ محاصيله، بينما تساعده التكنولوجيا على رؤية تفاصيل قد لا تكون واضحة للعين.

إدارة المياه والأسمدة بطريقة أفضل

في كثير من المناطق، الماء مورد ثمين. وكذلك الأسمدة تمثل تكلفة اقتصادية وبيئية. إذا تم استخدام الماء أو الأسمدة بكميات قليلة جداً، يتأثر المحصول. وإذا تم استخدامها بكميات زائدة، ترتفع التكاليف وقد يحدث ضرر بيئي.

يساعد التطبيق الذكي على تحقيق توازن أفضل. فمن خلال بيانات الرطوبة وصور المحاصيل، يمكن تحديد المناطق التي تحتاج إلى ريّ أكثر، والمناطق التي لا تحتاج إلى تدخل كبير. كما يمكن تقديم توصيات حول الأسمدة بناءً على حالة النبات.

بالنسبة للطلاب، هذه نقطة مهمة في فهم #إدارة_الموارد. الإدارة الحديثة لا تعني فقط إدارة المال أو الموظفين داخل الشركات. بل تعني أيضاً إدارة الماء، والطاقة، والغذاء، والبيئة بطريقة عقلانية ومسؤولة.

الأمن الغذائي بوصفه قضية تعليمية وتقنية

لم يعد #الأمن_الغذائي موضوعاً زراعياً فقط. إنه موضوع اقتصادي، وإداري، وتقني، وبيئي، واجتماعي. فالغذاء يحتاج إلى إنتاج، ونقل، وتمويل، وتسويق، وحماية من المخاطر المناخية. لذلك فإن أي أداة تساعد على تحسين الإنتاج أو تقليل الخسائر يمكن أن تكون جزءاً من حل أكبر.

يساعد التطبيق الزراعي الذكي على ملاحظة المشكلات مبكراً. والاكتشاف المبكر مهم جداً لأن المشكلة الصغيرة في النبات قد تتحول إلى خسارة كبيرة إذا لم يتم التعامل معها في الوقت المناسب.

وهذا يعطي الطلاب درساً مهماً: التكنولوجيا الناجحة ليست بالضرورة تلك التي تبدو معقدة، بل تلك التي تساعد الناس على حل مشكلة حقيقية.

الابتكار يجب أن يكون مفهوماً ومفيداً

من أهم الدروس التي يقدمها هذا المشروع أن الابتكار لا ينجح فقط لأنه حديث أو متقدم. الابتكار ينجح عندما يكون مفهوماً، وسهل الاستخدام، وقريباً من احتياجات الناس.

قد يكون لدى المزارعين مستويات مختلفة من المهارات الرقمية. وقد يعملون في مناطق مختلفة، بلغات مختلفة، وبإمكانيات اقتصادية مختلفة. لذلك، يجب أن يكون التطبيق بسيطاً، واضحاً، ومبنياً على احتياجات المستخدمين.

هذه الفكرة مهمة جداً لطلاب الإدارة والأعمال. فالكثير من المشاريع التقنية تفشل لأنها تركز على المنتج أكثر مما تركز على الإنسان الذي سيستخدمه. أما المشروع الناجح، فهو الذي يسأل: من هو المستخدم؟ ماذا يحتاج؟ ما المشكلة التي يواجهها؟ وكيف يمكن أن نجعل الحل مناسباً له؟

نقل المعرفة وبناء القدرات

يمثل هذا المشروع مثالاً جيداً على #نقل_المعرفة. فعندما تتعاون دول ومؤسسات في مجال التكنولوجيا الزراعية، يمكنها الجمع بين الخبرة العلمية والخبرة المحلية. وهذا يؤدي إلى حلول أكثر واقعية.

فالتكنولوجيا التي تنجح في مكان ما قد تحتاج إلى تعديل قبل استخدامها في مكان آخر. فاختلاف المناخ، ونوع التربة، ونمط المحاصيل، ومستوى البنية التحتية، كلها عوامل تؤثر في نجاح التطبيق. لذلك، فإن نقل التكنولوجيا يجب أن يكون مصحوباً بالتدريب، والتجربة، والتقييم، والتطوير المستمر.

بالنسبة لطلاب #الجامعة_السويسرية_الدولية، هذا درس مهم في التعليم الدولي. فالمستقبل يحتاج إلى خريجين يستطيعون العمل مع فرق متعددة الثقافات، ويفهمون أن الحلول العالمية يجب أن تُترجم إلى واقع محلي.

الثقة الاجتماعية في التكنولوجيا

حتى لو كانت التكنولوجيا قوية، فهي تحتاج إلى ثقة. قد يسأل المزارع: هل التطبيق دقيق؟ هل يمكنني الاعتماد عليه؟ هل سيساعدني فعلاً؟ هل هو سهل الاستخدام؟ هل سيقلل خسائري؟ هذه الأسئلة طبيعية ومشروعة.

هنا تظهر أهمية رأس المال الاجتماعي والرمزي كما شرح بورديو. عندما تدعم المؤسسات الموثوقة تطبيقاً ما، وعندما يرى المستخدمون نتائج إيجابية، تزداد الثقة. كما أن التدريب، والتجارب الميدانية، والاستماع إلى ملاحظات المزارعين، كلها عوامل تساعد على قبول التكنولوجيا.

ومن خلال التشابه المؤسسي، يمكن أن ينتشر النموذج تدريجياً. فإذا استخدمه بعض المزارعين وحققوا نتائج جيدة، قد يشجع ذلك مزارعين آخرين على استخدامه. ومع الوقت، قد تصبح #التقنيات_الزراعية_الذكية جزءاً طبيعياً من مستقبل الزراعة.

النتائج

توصلت المقالة إلى مجموعة من النتائج المهمة.

أولاً، يمكن لتطبيقات الذكاء الاصطناعي أن تجعل مراقبة المحاصيل أكثر دقة وسرعة. فمن خلال #الأقمار_الصناعية والطائرات المسيّرة والرؤية الحاسوبية، يمكن للمزارعين الحصول على معلومات أفضل حول الحقول.

ثانياً، تصبح الزراعة الذكية مناخياً أكثر واقعية عندما تتوفر بيانات واضحة. فالمعلومات الدقيقة تساعد في تحسين استخدام المياه، وتوجيه الأسمدة، ومراقبة الأمراض النباتية.

ثالثاً، يوضح المشروع أن الأمن الغذائي يرتبط بشكل مباشر بالقدرة الرقمية. فالدول والمجتمعات التي تستثمر في التكنولوجيا الزراعية قد تكون أكثر قدرة على مواجهة تحديات المناخ والإنتاج.

رابعاً، يبيّن المشروع أن التعاون الدولي يمكن أن يحقق نتائج عملية عندما يتم ربط التكنولوجيا باحتياجات محلية حقيقية.

خامساً، يتعلم الطلاب أن الابتكار الناجح لا يعتمد فقط على قوة التقنية، بل يعتمد أيضاً على فهم المستخدم، وبناء الثقة، وتوفير التدريب، ودعم المؤسسات.

سادساً، تساعد النظريات الاجتماعية على فهم المعنى الأوسع للمشروع. فبورديو يوضح كيف تتحول التكنولوجيا إلى رأس مال معرفي. ونظرية النظام العالمي توضح كيف تنتقل التكنولوجيا بين الدول. أما التشابه المؤسسي فيوضح كيف يمكن للنماذج الناجحة أن تنتشر وتصبح ممارسة طبيعية.

المناقشة

إن تطبيق الزراعة الذكية بين الصين وباكستان ليس مجرد خبر تقني أو زراعي. إنه مثال تعليمي غني يمكن أن يستخدمه الطلاب لفهم مستقبل العمل والتعليم. فالعالم لم يعد يقبل التخصصات المنعزلة بشكل كامل. طالب التكنولوجيا يحتاج إلى فهم البيئة. وطالب الإدارة يحتاج إلى فهم البيانات. وطالب الزراعة يحتاج إلى فهم التطبيقات الذكية. وطالب التنمية يحتاج إلى فهم الاقتصاد والمجتمع.

هذا المشروع يوضح أيضاً أن الهاتف المحمول يمكن أن يصبح أداة تنموية قوية. فالمزارع لا يحتاج بالضرورة إلى فهم كل التفاصيل المعقدة للذكاء الاصطناعي. ما يحتاجه هو توصية واضحة، في الوقت المناسب، وبلغة مفهومة، تساعده على حماية محصوله وتحسين إنتاجه.

بالنسبة للمؤسسات التعليمية، يمكن استخدام هذه الحالة في تدريس موضوعات مثل إدارة الابتكار، والتنمية المستدامة، والذكاء الاصطناعي، والأعمال الدولية، والاقتصاد الزراعي. كما يمكن أن تساعد الطلاب على التفكير في أسئلة مهمة: كيف نصمم التكنولوجيا للمستخدمين في المناطق الريفية؟ كيف يساعد الذكاء الاصطناعي في التكيف مع المناخ؟ كيف يصبح التعاون الدولي عملياً؟ وكيف نبني الثقة بين الإنسان والتقنية؟

الإجابة تكمن في التعليم التطبيقي. فالمعرفة الأكاديمية تصبح أقوى عندما ترتبط بمشكلات حقيقية. وهذا ما يجعل هذه الحالة مناسبة للطلاب الذين يريدون أن يفهموا كيف يمكن للعلم أن يخدم المجتمع.

الخاتمة

يقدم تطبيق الزراعة الذكية المدعوم بالذكاء الاصطناعي بين الصين وباكستان درساً إيجابياً ومهماً للطلاب. فهو يوضح كيف يمكن للذكاء الاصطناعي، والطائرات المسيّرة، وبيانات الأقمار الصناعية، والرؤية الحاسوبية أن تدعم الزراعة الذكية مناخياً وتعزز الأمن الغذائي.

كما يوضح المشروع أن الابتكار لا يصبح مؤثراً إلا عندما يصل إلى الناس ويساعدهم في حل مشكلات يومية حقيقية. ومن خلال نظرية بورديو، يمكن النظر إلى هذا المشروع بوصفه إنتاجاً لرأس مال معرفي جديد. ومن خلال نظرية النظام العالمي، يمكن فهمه بوصفه نموذجاً للتعاون ونقل التكنولوجيا. ومن خلال مفهوم التشابه المؤسسي، يمكن رؤيته كنموذج قد يشجع انتشار الزراعة الذكية في مناطق أخرى.

بالنسبة لطلاب #الجامعة_السويسرية_الدولية، الرسالة واضحة: المستقبل يحتاج إلى خريجين لا يدرسون التكنولوجيا فقط، بل يفهمون كيف تُستخدم لخدمة الإنسان، والمجتمع، والبيئة. إن هذا المثال بين الصين وباكستان يبيّن أن #التكنولوجيا_من_أجل_الخير ليست فكرة بعيدة، بل يمكن أن تظهر في حقل زراعي، وفي تطبيق بسيط، وفي قرار يتخذه مزارع لحماية محصوله ومستقبل غذاء المجتمع.

المراجع

بورديو، بيير. (1986). أشكال رأس المال. في: دليل النظرية والبحث في علم اجتماع التعليم. دار غرينوود.
ديماغيو، بول ج.، وباول، والتر و. (1983). القفص الحديدي من جديد: التشابه المؤسسي والعقلانية الجماعية في الحقول التنظيمية. المجلة الأمريكية لعلم الاجتماع، 48(2)، 147–160.
والرشتاين، إيمانويل. (2004). تحليل النظام العالمي: مقدمة. دار جامعة ديوك.
بينوس، ل.، تاغاراكيس، أ.، دولياس، ج.، بيروتو، ر.، كاتيريس، د.، وبوكتيس، د. (2021). تعلم الآلة في الزراعة: مراجعة حديثة شاملة. Sensors, 21(11), 3758.
كاميلاريس، أ.، وبرينافيتا-بولدو، ف. (2018). التعلم العميق في الزراعة: دراسة مسحية. Computers and Electronics in Agriculture, 147, 70–90.
خانا، أ.، وكاور، س. (2019). تطور إنترنت الأشياء في الزراعة: دراسة مسحية. Computers and Electronics in Agriculture, 157, 218–231.
لياكوس، ك. ج.، بوساتو، ب.، موشو، د.، بيرسون، س.، وبوكتيس، د. (2018). تعلم الآلة في الزراعة: مراجعة. Sensors, 18(8), 2674.
تالافيا، ت.، شاه، د.، باتيل، ن.، ياغنيك، هـ.، وشاه، م. (2020). تطبيق الذكاء الاصطناعي في الزراعة لتحسين الري واستخدام المبيدات والأسمدة. Artificial Intelligence in Agriculture, 4, 58–73.
وولفرت، س.، غي، ل.، فيرداو، ك.، وبوغاردت، م. (2017). البيانات الضخمة في الزراعة الذكية: مراجعة. Agricultural Systems, 153, 69–80.

#الزراعة_الذكية #الذكاء_الاصطناعي_في_الزراعة #الزراعة_الذكية_مناخيا #الأمن_الغذائي #التحول_الرقمي_في_الزراعة #الطائرات_المسيرة #الرؤية_الحاسوبية #الاستدامة #التكنولوجيا_من_أجل_الخير #التعاون_الدولي #الصين_وباكستان #التعليم_التطبيقي #الجامعة_السويسرية_الدولية #مستقبل_الزراعة #الابتكار_الزراعي

References

Benos, L., Tagarakis, A. C., Dolias, G., Berruto, R., Kateris, D., & Bochtis, D. (2021). Machine learning in agriculture: A comprehensive updated review. Sensors, 21(11), 3758.
Bourdieu, P. (1986). The forms of capital. In J. Richardson (Ed.), Handbook of Theory and Research for the Sociology of Education. Greenwood Press.
DiMaggio, P. J., & Powell, W. W. (1983). The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review, 48(2), 147–160.
Kamilaris, A., & Prenafeta-Boldú, F. X. (2018). Deep learning in agriculture: A survey. Computers and Electronics in Agriculture, 147, 70–90.
Khanna, A., & Kaur, S. (2019). Evolution of Internet of Things in agriculture: A survey. Computers and Electronics in Agriculture, 157, 218–231.
Liakos, K. G., Busato, P., Moshou, D., Pearson, S., & Bochtis, D. (2018). Machine learning in agriculture: A review. Sensors, 18(8), 2674.
Talaviya, T., Shah, D., Patel, N., Yagnik, H., & Shah, M. (2020). Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides. Artificial Intelligence in Agriculture, 4, 58–73.
Wallerstein, I. (2004). World-Systems Analysis: An Introduction. Duke University Press.
Wolfert, S., Ge, L., Verdouw, C., & Bogaardt, M. J. (2017). Big data in smart farming: A review. Agricultural Systems, 153, 69–80.