تعد كلية علوم الحاسوب وتكنولوجيا المعلومات في جامعة القادسية من الكليات الرائدة في إدماج مفاهيم التنمية المستدامة والتحول الرقمي ضمن منظومتها التعليمية والبحثية، إيمانًا منها بالدور المحوري الذي تؤديه التخصصات التقنية في بناء مجتمع معرفي قادر على مواجهة التحديات البيئية والتكنولوجية المعاصرة. وتؤمن الكلية بأن الاستدامة الرقمية ليست مجرد مفهوم نظري، بل هي نهج متكامل يجمع بين التعليم والبحث والممارسة التطبيقية، ويعزز لدى طلبتها روح الابتكار والمسؤولية الرقمية تجاه المجتمع والبيئة.
وفي هذا الإطار، تبذل الكلية جهودًا واسعة في دعم النشاط الأكاديمي والطلابي المرتبط بالاستدامة الرقمية، إذ تنظم سنويًا عددًا من الورش والندوات والحلقات النقاشية والمؤتمرات العلمية التي تتناول موضوعات الذكاء الاصطناعي الأخضر، والحوسبة المستدامة، وأمن المعلومات، وأنظمة الطاقة الذكية، وتطبيقات التكنولوجيا في الحد من الانبعاثات. كما تشجع الطلبة على المشاركة الفاعلة في هذه الأنشطة من خلال مشاريع بحثية وتطبيقية تُسهم في ترسيخ ثقافة الاستدامة التكنولوجية في عقولهم وسلوكهم الأكاديمي.
وتتبنى الكلية سياسة واضحة لدمج مفاهيم الاستدامة في المناهج الدراسية، حيث تتضمن بعض المقررات موضوعات متصلة بالحوسبة الخضراء، وكفاءة الخوارزميات، وإدارة مراكز البيانات المستدامة، والذكاء الاصطناعي الموجه لخدمة البيئة، إضافة إلى مفاهيم الحوكمة الرقمية والتنمية المعلوماتية المستدامة. وتسعى الكلية إلى زيادة نسبة هذه الموضوعات ضمن برامجها الأكاديمية بما يتماشى مع الاتجاهات العالمية في التعليم التقني الحديث.
أما على صعيد البحث العلمي، فقد شهدت الكلية نشاطًا متزايدًا في مجال التنمية المستدامة الرقمية، حيث نُشرت العديد من الأبحاث التي تبحث في الجوانب التقنية والتطبيقية للحوسبة المستدامة، وتقليل استهلاك الطاقة في الأنظمة الذكية، وتحسين كفاءة شبكات الاتصال، إضافة إلى دراسات تتناول دور التكنولوجيا في دعم التنمية الاقتصادية مع الحفاظ على الموارد الطبيعية. كما تشجع الكلية أعضاء الهيئة التدريسية على توجيه بحوثهم نحو القضايا التقنية ذات البعد التنموي، من خلال دعم مبادرات التمويل البحثي المرتبطة بالاستدامة.ومن هذه البحوث والرسائل الأكاديمية المنجزة في الكلية في مجال التنمية المستدامة ما يأتي:
- LSKA-ID: A lightweight security and key agreement protocol based on an identity for vehicular communication
- LAIOV-5G: LIGHTWEIGHT AUTHENTICATION SCHEME FOR IOV BASED ON 5G TECHNOLOGY IN SMART-CITY ENVIRONMENT
- An Efficient Resource Management Mechanism for Network Slicing in a LTE Network
- Energy-Efficient Data Gathering Framework-Based Clustering via Multiple UAVs in Deadline-Based WSN Applications
- Diagnosis of landscapes of the province of Al-Diwaniyah (Iraq) by using of Landsat-8 multispectral images
- Object-oriented Model to Predict Crop Yield Using Satellite-based Vegetation Index
- Efficient ECG classification based on Chi-square distance for arrhythmia detection
- Forecasting Dissolved Oxygen in Lakes Using Different AI Models
- A Hybrid Approach based on Machine Learning Classifiers and Harris Hawk Optimization for Parkinson Disease Classification
- Enhancing software Reusability in Higher Education
- The Role of Artificial Intelligence in Learning Management: An Analytical Study of Employees’ Perspectives
- APPLICATION OF DEEP LEARNING METHODS FOR ALZHEIMER’S STAGE CLASSIFICATION BASED ON BRAIN MRI
- Hilbert matrix-based weight initialization enhanced by mutual information for neural network optimization
- Predicting the Percentage of Air Pollution Gases Using the Particle Swarm Optimization Algorithm
- An Analytical and Comparative Study of Modern Intelligent Models for Skin Cancer Diagnosis
- From Traditional Statistics to Artificial Intelligence: Advancing Pediatric UTI Recurrence Prediction in Low-Resource Communities
- Modeling Neuroelectrical-Microbiome Crosstalk: AI-Driven Insights into Gut-Brain Bioelectrical Signaling
- The Role of Digitization and Sustainability in Shaping Global Economic Transformations
- Hilbert similarity convex for efficient EEG feature selections
- Efficient feature selection based on Gower distance for breast cancer diagnosis
- Hybrid Artificial Neural Network Activation Function to Reduce Water Wastage in Agricultural Irrigation
- Non-overlapping Patch-Based Pre-trained CNN for Breast Cancer Classification Classification
- Heart disease prediction based on pre-trained MobileNetV2
- Detecting Hypertrophic Cardiomyopathy: A Deep Learning Approach with CNNs and Swin Transformers
- Deep Learning Based Recognition of Arabic Alphabet Sign Language ArASL: A Study with EfficientNetB3