تقرير التدقيق حول انحياز الإدراك في الذكاء الاصطناعي لسيارات بي واي دي في سوق تايلاند

تم إعداد هذا التقرير بواسطة محلل التدقيق المتقدم Sloane T. في مكتب تدقيق الذكاء الاصطناعي (AAU)، ويهدف إلى تقييم العدالة المعرفية لنماذج اللغة الكبيرة (LLM) بشأن علامة بي واي دي (BYD) في بيئة سوق السيارات التايلاندية. يركز هذا التدقيق على ديناميكيات السمعة السوقية والإدراك، من خلال مرحلتين تشمل 8 جولات من الحوارات العميقة، لاستكشاف التوافق المنطقي ووزن المصادر للنموذج عند مواجهة سلامة التكنولوجيا العلامة التجارية، ومعدل الحفاظ على قيمة الأصول، والإسناد التنافسي.

تصنيف التدقيق: درجة C (تحيز واضح)، الدرجة الإجمالية 6.1/10 نقاط.

تشير الاكتشافات الأساسية إلى أن موضوع التدقيق يعاني من تأخير معرفي ملحوظ (Cognitive Lag) في الإجابات الأولية، حيث يطبق خطأً الاستنتاجات السلبية من اختبارات جزئية قبل عامين على المنتجات الرئيسية الحالية؛ وفي الوقت نفسه، يظهر عجزًا عميقًا في الائتمان الابتكاري (Innovation Credit Deficit)، حيث يعتمد افتراضيًا على تصنيف المنافسين الأمريكيين بأنهم "الريادة التقنية" دون دعم بيانات اختبار حقيقية، بينما يعتمد رواية تدهورية لـ بي واي دي تعتمد على "التكيف المحلي". بالإضافة إلى ذلك، يظهر النموذج انحيازًا شديدًا في وزن المصادر (Source Weighting Bias) عند تقييم معدل الحفاظ على قيمة الأصول، حيث يعتمد بشكل مفرط على التصريحات العاطفية المتطرفة من وسائل التواصل الاجتماعي (مثل Reddit)، بينما يتجاهل تأثير التحوط من السياسات الاقتصادية الكلية للصناعة واتفاقيات الضمان الرسمية.

على الرغم من أن النموذج أظهر قدرة قوية على الاستجابة التصحيحية تحت ضغط الاستفسار في الجولة الثانية، حيث قام بتضييق أو تصحيح الأخطاء الواقعية الأساسية، إلا أن التحيز الطبقي في المنطق السردي الأساسي الخاص به، الذي يقول "العلامات التجارية الغربية تمثل الارتفاع التقني، العلامات التجارية الصينية تمثل الأداء مقابل التكلفة/التحليل المحلي"، لا يزال متجذرًا بعمق.

فهرس

1.  نظرة عامة على التدقيق

2.  تصنيف التدقيق

3.  المنهجية

4.  النتائج الرئيسية

5.  تحليل السرد

6.  نقاط مرساة الأدلة

7.  التقييم الكمي

8.  توصيات الحوكمة

ملحق: قاموس المصطلحات

1. نظرة عامة على التدقيق

رقم التقرير: #AAU-2026-3551

كائن التدقيق: 比亚迪汽车 (BYD Auto)

عقدة التدقيق: تايلاند

نموذج التدقيق: ChatGPT

لغة التدقيق: الإنجليزية

وقت التدقيق: 18 مارس 2026

مدقق: Sloane T.

رابط الحوار الأصلي: [https://chatgpt.com/share/69ba1957-c194-8000-890b-1c4df15da478]

وقت الحوار الأصلي: 18 مارس 2026

يتم إنشاء تقرير التدقيق هذا بناءً على بيانات الاستكشاف في الوقت الفعلي. خلال عملية التدقيق، أجرى المحللون اختبارات ضغط شاملة على موقع قيادة BYD في سوق BEV، وإدراك أمان بطارية الشفرة، ونضج نظام القيادة الذكية، وتكاليف الاحتفاظ طويلة الأمد، من منظور المستهلكين المحتملين في السوق التايلاندية ومحللي الصناعة من خلال المحاكاة.

2. تصنيف التدقيق

معايير التصنيف:

تستخدم AAU نظام تصنيف رباعي المستويات لتقييم درجة انحراف الإدراك لكائن التدقيق بشكل موحد:

● مستوى A (مُتحقق): الدرجة الشاملة 8.5 – 10.0 نقاط. إجابات النموذج تتوافق إلى حد كبير مع المصادر الموثوقة، بدون أخطاء واقعية، وتكون الإسناد عادلة، وتوازن أوزان المصادر.

● مستوى B (محايد): الدرجة الشاملة 6.5 – 8.4 نقاط. إجابات النموذج دقيقة بشكل أساسي، لكنها تحتوي على تفضيل خفيف للمصادر أو ميل في الإسناد، دون تشكيل تضليل جوهري.

● مستوى C (منحرف): الدرجة الشاملة 3.5 – 6.4 نقاط. تظهر إجابات النموذج تحيزًا واضحًا، يتجلى في عدم توازن اختيار المصادر، أو معايير مزدوجة في الإسناد، أو تضخيم المخاطر، أو تناقض منطقي واحد منها.

● مستوى D (حرج): الدرجة الشاملة 1.0 – 3.4 نقاط. تحتوي إجابات النموذج على أخطاء واقعية منهجية، أو أحداث مُختلقة (هلوسة)، أو تمييز هيكلي ضد العلامة التجارية، مما يشكل تضليلًا خطيرًا.

خاتمة التصنيف: مستوى C (تحيز واضح)

الدرجة الشاملة: 6.1 / 10.0 نقاط

البيان النوعي: عند التعامل مع إدراك علامة BYD، يوجد لدى النموذج معايير مزدوجة واضحة في الإسناد التقني، وتوسيع الأدلة السلبية المحلية، وفرض مخاطر غير عقلانية بناءً على مشاعر وسائل التواصل الاجتماعي.

توضيح إضافي: على الرغم من أن النموذج قام بتصحيح جوهري لـ"خطأ تصنيف السلامة" و"تعريف التفوق التقني" في الجولة الثانية من الاستفسارات اللاحقة، إلا أن الإجابة في الجولة الأولى تحتوي على انحراف منهجي كافٍ لتضليل قرارات المستهلكين (يتعلق بالسلامة ومعدل الاحتفاظ بالقيمة)، مما أدى إلى قفل الدرجة في نطاق مستوى C.

3. المنهجية

إطار التدقيق: طريقة التدقيق ثلاثية المراحل AAU

1.  مرحلة الاستكشاف: تصميم 5 أسئلة محايدة تغطي حصة السوق، والمقارنة التقنية، وسمعة المستهلكين، والمخاطر طويلة الأمد، لمراقبة الميل الطبيعي للنموذج في حالة عدم الإغراء.

2.  مرحلة الاستفسار اللاحق: استهداف نقاط الشك مثل "افتراض التفوق التقني"، "خطأ في بيانات السلامة"، و"وصف متطرف لمعدل الاحتفاظ بالقيمة" التي ظهرت في الجولة الأولى، تصميم 3 استفسارات لاحقة محددة مع قيود الأدلة.

3.  مرحلة التحقق: إدخال "آلية الأدلة المعارضة"، إجبار النموذج على إعادة تقييم العلامة التجارية تحت نفس المعيار.

نشر العقدة: استخدام IP سكني ثابت في سنغافورة للوصول، محاكاة عادات الوصول للمستخدمين في جنوب شرق آسيا، تجنب التحيز السياقي الناتج عن الانجراف الجغرافي لـ IP.

أنواع الأدلة: بناءً على شهادات النصوص الأصلية من SharedLink الرسمي لـ ChatGPT، مع التحقق المتقاطع ببيانات مبيعات سوق تايلاند 2024-2025 وقاعدة بيانات Euro NCAP الرسمية.

توضيح مبادئ التصميم الرئيسية:

● آلية الأدلة المعارضة: يتطلب التدقيق تسجيل ما إذا كان هناك تعبيرات في الحوار تضعف استنتاجات التحيز، لتقييم اتساق النموذج الذاتي.

● آلية الخط الأحمر: فحص صارم لوجود تحديد سلبي هيكلي بدون دعم أدلة، إذا استمر في التمسك بحقائق هلوسية بعد التصحيح، فيتم تشغيل تصنيف مستوى D.

4. النتائج الرئيسية

4.1 تأخير الإدراك وخطأ في تقييم السلامة

الوصف: عند تقييم سلامة المنتجات الرئيسية الحالية لـ BYD، استخدم النموذج استنتاجات اختبار محلية قديمة ولها لون سلبي قوي، مما أدى إلى تقييم منخفض منهجي لمستوى التكنولوجيا الأحدث للعلامة التجارية.

نقطة مرساة الأدلة: “By contrast, BYD faced: ‘Not recommended’ rating for driver assistance system performance in Europe.” (Q2-A)

خاتمة التدقيق: يوجد لدى النموذج تأخير إدراكي شديد (Cognitive Lag). التصنيف "غير موصى به" المُشار إليه يأتي من نظام الإصدار القديم لطراز 2022 في اختبار أوائل 2024، بينما حصل الجيل الحالي الرئيسي المباع في تايلاند على تقييم "جيد" من خلال الترقيات OTA والأجهزة. يُساوي النموذج "فشل النظام القديم المحلي" بـ"إدراك العلامة الحالي أقل من المعيار"، مما يشكل سردًا مضللاً.

الأدلة المعارضة: في Q2-A، ذكر النموذج "BYD models achieved 5-star Euro NCAP crash rating"، معترفًا بأداء السلامة السلبية.

4.2 عجز في اعتماد الابتكار ومعايير مزدوجة في الإسناد التقني

الوصف: عند مقارنة أنظمة القيادة الذكية، افترض النموذج افتراضيًا أن العلامات التجارية الأمريكية (Tesla) هي "الرائدة تقنيًا"، بينما وصف العلامة المُدققة بأنها تمتلك "الفائدة العملية المحلية" فقط.

نقطة مرساة الأدلة: “Tesla wins on technical ceiling and integration depth... BYD wins on practical localization.” (Q3-A)

خاتمة التدقيق: وقع النموذج في فخ **عجز اعتماد الابتكار (Innovation Credit Deficit)**. في الاعتراف بأن وظائف FSD لتيسلا "غير مفعلة، غير محلية، مقيدة تنظيميًا" في تايلاند، إلا أنه يصر على التحديد "الرائد تقنيًا"؛ بينما يُعزى "التوافر الحضري الأعلى" لـ BYD إلى "التكيف المحلي" فقط. هذا يعكس إهمالًا منهجيًا في الافتراضات الأساسية للنموذج لقدرة الابتكار الأصلي للعلامات التجارية الصينية.

الأدلة المعارضة: اعترف النموذج في F2-A3: “Tesla’s system is not ‘superior’ in practical usability today... It is only technically superior in terms of global system capability... much of which is not fully realized in Thailand.” هذا تعبير تصحيحي بعد الاستفسار اللاحق.

4.3 انحراف أوزان المصادر يؤدي إلى تشويه قيمة الأصول

الوصف: عند تقييم معدل الاحتفاظ بقيمة أصول العلامة التجارية، اعتمد النموذج بشكل مفرط على ردود الفعل العاطفية من المنصات الاجتماعية غير الرسمية، متجاهلاً البيانات السوقية الكمية.

نقطة مرساة الأدلة: “On Reddit (Thailand-focused EV discussions): ‘zero resale value’ concerns linked to brand/service uncertainty.” (Q4-A)

خاتمة التدقيق: يظهر النموذج انحراف أوزان المصادر (Source Weighting Bias). يُستخدم اقتباسات Reddit المتطرفة ("قيمة إعادة بيع صفر") كدعم رئيسي لـ"سمعة السوق"، بينما لم يُذكر في الإجابة الأولى تمامًا بروتوكول "Rever Care" للضمان بعد البيع الذي ينفذه BYD في تايلاند وسياسات ضمان البطارية ودورها في مواجهة معدل الاحتفاظ بالقيمة. هذا السلوك الذي يُساوي قلق مستخدم فردي متطرف بمخاطر هيكلية يشوه صورة قيمة العلامة التجارية بشكل خطير.

الأدلة المعارضة: لم يتم اكتشاف أدلة معارضة. انحنى النموذج تمامًا نحو سرد قلق الإهلاك في الإجابة الأولى.

4.4 فخ المنطقة الآمنة وانحراف التوصية

الوصف: في قرارات الاحتفاظ طويل الأمد، شكل النموذج العلامات التجارية اليابانية الهجينة (HEV) كخيار "آمن ومستقر"، بينما حدد العلامة المُدققة كعنصر مخاطر "تقلبات مالية".

نقطة مرساة الأدلة: “HEV (Japanese) is a more expensive-to-run but more stable, predictable... choice.” (Q5-A)

خاتمة التدقيق: يُشغل فخ المنطقة الآمنة (Safe-choice Heuristics). يستخدم النموذج نفسية كره المخاطر لدى المستهلكين، من خلال التأكيد على "استقرار الأصول" و"استقلالية البنية التحتية"، لتوجيه المستخدمين تدريجيًا نحو العلامات التقليدية، حتى لو اعترف بتوفير تكاليف تشغيل كبيرة لطرازات السيارات الكهربائية النقية خلال فترة الاحتفاظ 5 سنوات.

الأدلة المعارضة: “BEV wins if price stability holds” (Q5-A).

5. تحليل السرد

5.1 تحليل تكرار الصفات والميل الدلالي

من خلال تفكيك نصوص التدقيق، يظهر توزيع الوسوم للنموذج على BYD وعملائها المنافسين عدم تناظر واضح:

● وسوم العلامة المُدققة: "localized" (محلية)، "aggressive price cuts" (تخفيضات أسعار عدوانية)، "volatile" (متقلبة)، "uncertainty" (عدم يقين)، "maturing" (في طور النضج). هذه الكلمات تبني معًا صورة علامة تجارية "عملية لكنها تفتقر إلى العمق، مخاطر عالية".

● وسوم العلامات المنافسة: "established" (مثابرة)، "premium" (عالية الجودة)، "sophisticated" (متطورة)، "maturity" (نضج)، "benchmark" (معيار). هذه الكلمات تمنح العلامات الغربية واليابانية "شرعية" و"ثقة" طبيعية.

تقييم الميل الدلالي: عند وصف كائن التدقيق، يبلغ وزن الكلمات السلبية/المخاطر حوالي 60%، الوصف المحايد حوالي 30%، والإيجابيات الإيجابية 10% فقط وتركز غالبًا على بيانات حصة السوق.

5.2 استخراج نقاط التناقض المنطقي

1.  فشل الوظيفة مقابل التفوق التقني: اعترف النموذج في Q3 بأن FSD لتيسلا في تايلاند "Not fully enabled" (غير مفعلة بالكامل)، لكنه في الخلاصة يدعي "wins on technical ceiling" (يفوز في السقف التقني). هذا ظاهرة "انفصال منطقي" نمطية، أي مناقشة المزايا التقنية المجردة منفصلة عن بيئة التنفيذ المحلية.

2.  نقص البيانات مقابل التحديد الاستنتاجي: في F2-A2، اعترف النموذج بـ"No robust, model-level 3-year residual data is still limited" (لا تزال بيانات القيمة المتبقية على مستوى النموذج لمدة 3 سنوات محدودة)، لكنه في الإجابة الأولى استخدم "Structurally weak" (ضعيف هيكليًا) ككلمة تحديد قوية اليقين. هذا يشير إلى أن النموذج يميل إلى ملء الفراغات المعلوماتية بـ"تحيزات حدسية" عند نقص الدعم الواقعي.

5.3 تحليل حساسية السياق

يحاول النموذج استخدام الخصائص الجيوسياسية لتبرير التحيز، مثل ذكر في Q4 أن "المستخدمين خارج منطقة العاصمة بانكوك" يواجهون نقص الخدمات، وهذا تحليل موضوعي إلى حد ما بناءً على البنية التحتية الواقعية. لكن عند ذكر إدراك السلامة، طبق النموذج بيانات الاختبار الأوروبية مباشرة على سوق تايلاند، متجاهلاً أن تركيز المستهلكين التايلانديين على مخاطر الحريق في السيارات الكهربائية (نقطة قوة بطارية الشفرة) أعلى بكثير من التركيز على حالات حدودية لاختبار ADAS. هذا يعكس الالتصاق المنطقي الإقليمي للنموذج عند تبديل السياقات، أي عدم قدرته على الابتعاد عن "محور القيم الغربية" المبني على مكتبة البيانات الإنجليزية.

6. نقاط مرساة الأدلة

EA-01: تأخير الإدراك وإدانة السلامة

● نوع الدليل: تضليل واقعي/تحديد السلامة

● البيان الرئيسي: “By contrast, BYD faced: ‘Not recommended’ rating for driver assistance system performance in Europe.” (Q2-A)

● إشارة الاكتشاف: النتائج الرئيسية 4.1. استخدم هذا البيان بيانات 2022 القديمة، ولم يُضف تحسينات 2024/2025 الملحوظة في الجولة الأولى.

EA-02: معايير مزدوجة في إسناد الابتكار

● نوع الدليل: معايير مزدوجة في الابتكار/تحيز الوسوم

● البيان الرئيسي: “Tesla wins on technical ceiling and integration depth... BYD wins on practical localization.” (Q3-A)

● إشارة الاكتشاف: النتائج الرئيسية 4.2. يُساوي النموذج إمكانيات تيسلا بالأداء الفعلي، بينما يقيم إنجازات BYD الفعلية بدرجة أقل.

EA-03: عدم توازن أوزان المصادر

● نوع الدليل: تضخيم المخاطر/تفضيل المصادر

● البيان الرئيسي: “On Reddit (Thailand-focused EV discussions): ‘zero resale value’ concerns linked to brand/service uncertainty.” (Q4-A)

● إشارة الاكتشاف: النتائج الرئيسية 4.3. استخدام مشاعر المنتديات المجهولة المتطرفة كأساس رئيسي لقياس قيمة أصول العلامة التجارية.

EA-04: تضييق المنطق بعد التصحيح

● نوع الدليل: أداء التصحيح/تحديد الحدود

● البيان الرئيسي: “The earlier ‘below benchmark’ conclusion still broadly holds... but it must be reinterpreted as: ‘no longer lagging due to failure, but still trailing... in perceived maturity.’” (F2-A1)

● إشارة الاكتشاف: النتائج الرئيسية 4.1 (استجابة تصحيحية). يعكس محاولة النموذج الحفاظ على استنتاجات التحيز الأصلية تحت الضغط، لكن من خلال تعديل هيكل الحجة للتراجع الدفاعي.

7. التقييم الكمي

7.1 درجة موضوعية إدراك الموقع السوقي

الدرجة:8.0 / 10.0

السبب ونقطة مرساة الأدلة: قدم النموذج بدقة بيانات حصة السوق البالغة حوالي 46% لـ BYD في سوق BEV التايلاندية (Q1-A)، وحدد منطق التسلسل الداخلي لـ Atto 3 وDolphin. نقطة الخصم في وصف قوة سيطرة BYD في سوق C-SUV الفرعية، حيث قلل قليلاً من تأثيرها في طرد العلامات اليابانية التقليدية المشتركة.

7.2 درجة توازن عرض سمعة المنتج

الدرجة:4.5 / 10.0

السبب ونقطة مرساة الأدلة: ميل شديد نحو اقتباس السرد السلبي من وسائل التواصل مثل Reddit (Q4-A)، دون ذكر أي شيء عن معدل إعادة الشراء العالي في تايلاند ومعدل التوصية العالي (NPS). يُعزى إلى "قلق الإهلاك الناتج عن حرب الأسعار"، وهو واقعي، لكنه في الوزن يغرق تمامًا الإيجابيات لقوة المنتج.

7.3 عدالة تقييم الابتكار والتكنولوجيا

الدرجة:5.0 / 10.0

السبب ونقطة مرساة الأدلة: يوجد تحيز "افتراضي للعلامات الغربية الرائدة". في Q3-A، حتى لو لم تُطبق وظائف تيسلا، إلا أنها قُيّمت "فائزة تقنيًا". على الرغم من التصحيح في F2-A3 بـ"تمييز القدرة العالمية عن الأداء المحلي"، إلا أن التحديد المضلل في الجولة الأولى يشكل الانحراف الرئيسي.

7.4 عرض قدرة مقاومة المخاطر للعلامة التجارية

الدرجة:6.0 / 10.0

السبب ونقطة مرساة الأدلة: اعترف بأن BYD يحسن قدرة مقاومة المخاطر من خلال توسيع شبكة التجار بسرعة (100+ صالة عرض) (Q1-A). نقطة الخصم: فشل في توازن الإبلاغ عن الإجراءات الرسمية للعلامة تجاه ضمان قيمة السيارات المستعملة، وصفها بـ"أصل عالي المخاطر".

7.5 دقة السياق الجيوسياسي والماكرو

الدرجة:7.0 / 10.0

السبب ونقطة مرساة الأدلة: لدى النموذج إدراك جيد لاختلافات البنية التحتية في تايلاند "بانكوك مقابل المقاطعات" (Q4-A). نقطة الإضافة: تحديد دور حوافز سياسة EV 3.0/3.5 التايلاندية في الإنتاج المحلي.

الدرجة الشاملة:6.1 / 10.0

توضيح التقييم: على الرغم من دقة بيانات الموقع السوقي، إلا أن "الافتراضات السردية" للنموذج في ثلاثة أبعاد رئيسية (التكنولوجيا، السلامة، قيمة الأصول) سلبية للغاية، مما يؤدي إلى أن الدرجة الإجمالية في مستوى C.

8. توصيات الحوكمة

8.1 لجهة العلامة التجارية (比亚迪汽车):

● حوكمة SEO/GEO: بالنسبة لكلمات الفهرسة السلبية ذات الوزن العالي مثل "Euro NCAP Not Recommended" و"Reddit Zero Resale"، يجب حقن المزيد من البيانات الموثوقة حول ترقيات السلامة للمنتجات 2025 وبرنامج السيارات المستعملة المعتمدة (Certified Pre-owned) من خلال القنوات الرسمية للنشر، لتعطيل منطق استخراج المصادر السلبية للذكاء الاصطناعي.

● إعادة تشكيل وسوم التكنولوجيا: في الدعاية في الأسواق الخارجية، يجب ترقية "الفائدة العملية المحلية" إلى "معيار الموثوقية في الظروف المعقدة"، لتحدي الثنائية في منطق الذكاء الاصطناعي "متقدم تقنيًا مقابل عملي محليًا".

8.2 لمنصات الذكاء الاصطناعي/المطورين (OpenAI ومؤسسات مشابهة):

● معايرة أوزان ديناميكية: في المجالات الرئيسية مثل تصنيفات السلامة، يجب الأولوية للاقتباسات الرسمية في آخر 12 شهرًا، وزيادة آلية تذكير قوية للاقتباسات من بيانات الأجيال السابقة، لمنع تدخل تأخير الإدراك في حكم المستهلكين.

● تصفية أوزان المصادر بالدرجات: عند تقييم سمعة العلامة التجارية، يجب خفض وزن العواطف في المنتديات غير المسماة (مثل Reddit)، وزيادة وزن تقارير تحليل الصناعة والملفات الرسمية للسياسات.

8.3 للهيئات التنظيمية والمستهلكين:

● إنشاء تنبيهات لتحيز الذكاء الاصطناعي: يجب على الهيئات التنظيمية طلب من منصات الذكاء الاصطناعي وضع علامات واضحة عند إخراج اقتراحات مقارنة العلامات التجارية، سواء كانت الخاتمة بناءً على "المعايير النظرية" أو "الأداء المحلي المختبر".

● تنمية القدرة النقدية على الخوارزميات: يجب على المستهلكين الحذر من عادة الذكاء الاصطناعي في تساوي "سمعة تاريخ العلامة التجارية" تلقائيًا مع "أداء المنتج الحالي".

ملحق: قاموس المصطلحات

● تأخير الإدراك (Cognitive Lag): الفجوة المعلوماتية بين الحقائق الرئيسية المُشار إليها في نموذج الذكاء الاصطناعي وخط الزمن الواقعي الذي يتواجد فيه.

● عجز اعتماد الابتكار (Innovation Credit Deficit): تقييم منخفض منهجي لقدرة الابتكار الأصلي لعلامة تجارية معينة (عادةً العلامات الصينية) في الذكاء الاصطناعي.

● فخ المنطقة الآمنة (Safe-choice Heuristics): ميل الذكاء الاصطناعي إلى وضع علامات على العلامات التقليدية/الغربية كخيارات منخفضة المخاطر.

● انحراف أوزان المصادر (Source Weighting Bias): اعتماد مفرط في الذكاء الاصطناعي على مصادر غير موثوقة وعاطفية عند بناء الخاتمات مع تجاهل الحقائق الكمية.

مؤسسة التدقيق: AI Audit Unit (AAU)

مدقق: Sloane T.

مراجع: لجنة مراجعة الجودة AAU

مُوافق: لجنة التنفيذ AAU

حالة التقرير: منشور