Exposía: Teaching and Assessment of Academic Writing Skills for Research Project Proposals and Peer Feedback
تقدم هذه الورقة Expos'ia، وهي أول مجموعة بيانات عامة تربط مقترحات الأبحاث الطلابية بملاحظات متعددة المراحل من الأقران والمدرسين، لتقييم نماذج اللغات الكبيرة في مهام التقييم الآلي وتحديد استراتيجيات التلقين الفعالة للتقييم التعليمي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك طالب تحاول كتابة مقترح لبحث كبير. الأمر يشبه محاولة بناء منزل بدون مخطط هندسي: لديك الطوب (الأفكارات)، لكنك لا تعرف كيف ترصها فوق بعضها البعض حتى لا ينهار السقف. عادةً، ستطلب المساعدة من معلم، لكن المعلمين مشغولون، وسؤال زملائك في الفصل قد يكون أمراً صعباً لأنهم قد لا يعرفون كيفية تقديم نصيحة جيدة أيضاً.
تقدم هذه الورقة البحثية Exposía، وهو "ملعب" رقمي جديد مصمم لتعليم الحواسيب كيف تساعد الطلاب في حل هذه المشكلة تحديداً.
إليك قصة Exposía، مقسمة إلى أجزاء بسيطة:
1. المشكلة: "حلقة التغذية الراجعة" مكسورة
في الجامعة، تعد كتابة مقترح بحثي (يسمى exposé) الجزء الأصعب في تعلم أن تصبح عالماً.
- التحدي: يعاني الطلاب في كتابة خطط واضحة.
- القطعة المفقودة: يعانون أيضاً في تقديم تغذية راجعة جيدة لأقرانهم.
- النتيجة: المعلمون مثقلون بتصحيح كل شيء، والطلاب لا يحصلون على قدر كافٍ من الممارسة.
فكر في الأمر كأنه فصل لتعليم الطبخ حيث يحاول الجميع تعلم صنع "السوفليه". المعلم مشغول جداً لدرجة أنه لا يستطيع تذوق كل طبق، والطلاب يخشون إخبار بعضهم البعض: "مهلاً، فرنك ساخن جداً"، لأنهم لا يعرفون كيف يقولون ذلك بلباقة أو بشكل صحيح.
2. الحل: مجموعة بيانات جديدة (كتاب الوصفات)
أنشأ الباحثون Exposía، وهو في الأساس مكتبة ضخمة ومنظمة من أعمال الطلاب. لكنه ليس مجرد كومة من المقالات. إنه قصة تسافر عبر الزمن لكل طالب:
- المسودة الأولى: يكتب الطالب نسخته الأولى الفوضوية من المقترح.
- النقد: يحصل الطالب على تغذية راجعة من مصدرين:
- الأقران: يكتب الطلاب الآخرون تعليقات ومراجعات.
- المعلمون: يكتب المدرسون تعليقات مفصلة ويعطون درجات.
- المراجعة: يأخذ الطالب تلك التغذية الراجعة ويكتب النسخة النهائية.
المكون السحري:
عادةً ما تحتوي مجموعات البيانات فقط على المقال النهائي. أما Exposía فيحتوي على الرحلة بأكملها. إنه يربط المسودة الفوضوية، والتعليقات المحددة (مثل "هذه الجملة مربكة")، والدرجة النهائية، والمسودة النهائية المحسنة معاً. إنه يشبه امتلاك تسجيل فيديو لطاهٍ يصلح طبقاً سيئاً، بدلاً من رؤية الطبق النهائي فقط.
3. "مقياس التقييم" (كتاب القواعد)
للتأكد من أن البيانات مفيدة، لم يطلب الباحثون من المعلمين مجرد إعطاء درجة من 10. بل أنشأوا كتاب قواعد فائق التفصيل (يسمى rubric) يحتوي على 36 قاعدة محددة للمقترح و24 قاعدة للتغذية الراجعة.
- بالنسبة للمقترح: هل طرحوا المشكلة بوضوح؟ هل الخطة واقعية؟ هل المراجع صحيحة؟
- بالنسبة للتغذية الراجعة: هل قدم الطالب المراجع نصيحة قابلة للتنفيذ؟ هل كان أسلوبه مهذباً؟ هل شرح لماذا كان هناك خطأ ما؟
هذا يشبه الحكم في مباراة كرة قدم؛ فهو لا يكتفي فقط بإطلاق الصافرة، بل يسجل بالضبط أي قاعدة تم خرقها وكيف قام اللاعب بتصحيحها في اللعبة التالية.
4. التجربة: هل يمكن للذكاء الاصطناعي أن يكون المعلم؟
سأل الباحثون: "هل يمكن للذكاء الاصطناعي الحديث (نماذج اللغات الكبيرة) أن يتعلم تقييم هذه المقترحات والتغذية الراجعة بنفس جودة المعلمين البشر؟"
لقد اختبروا الذكاء الاصطناعي في وظيفتين:
- تقييم المقترح: "هل هذه الخطة البحثية جيدة؟"
- تقييم التغذية الراجعة: "هل مراجعة هذا الطالب مفيدة؟"
النتائج:
- "المعلمون الخارقون" (الذكاء الاصطناعي مغلق المصدر): قامت نماذج الذكاء الاصطناعي الأكثر قوة وتكلفة (مثل تلك التي تنتجها شركات التقنية الكبرى) بعمل رائع. لقد كانوا قريبين جداً من المعلمين البشر.
- "المعلمون المحليون" (الذكاء الاصطناعي مفتوح المصدر): كانت نماذج الذكاء الاصطناعي المجانية والقابلة للتحميل جيدة، لكنها ارتكبت أخطاء أكثر. وهذه مشكلة لأن المدارس غالباً لا تستطيع تحمل تكاليف النماذج الغالية أو لا تستطيع إرسال بيانات الطلاب إلى السحابة لأسباب تتعلق بالخصوصية.
- خطأ "النموذج الواحد للجميع": وجد الباحثون أن الذكاء الاصطناعي يحتاج إلى "شخصيات" مختلفة للوظيفتين. فالذكاء الاصطنا الذي كان بارعاً في تقييم المقترح كان أحياناً سيئاً في تقييم التغذية الراجعة، والعكس صحيح.
5. الخلاصة الكبرى: كيف نستخدم الذكاء الاصطناعي في الفصل؟
خلصت الورقة البحثية إلى بعض الدروس المهمة لمستقبل التعليم:
- لا تطلب من الذكاء الاصطناعي درجة واحدة فقط: يعمل بشكل أفضل إذا طلبت منه النظر في جميع القواعد في وقت واحد (كحكم شمولي) بدلاً من التحقق من قاعدة واحدة، ثم أخرى، ثم أخرى.
- الذكاء الاصطناعي هو "مساعد طيار"، وليس القبطان: الذكاء الاصطناعي بارع في رصد الأنماط واقتراح الدرجات، لكن لا ينبغي له أن يحل محل المعلم البشري. أحياناً يفتقد الذكاء الاصطناعي "روح" البحث أو يرتبك بسبب الصياغة المعقدة. النهج الأفضل هو "الإنسان في الحلقة" (Human-in-the-Loop): يقوم الذكاء الاصطناعي بالعمل الشاق، ويتخذ المعلم البشري القرار النهائي.
- الخصوصية مهمة: بما أن المدارس لا يمكنها دائماً إرسال أعمال الطلاب إلى السحابة، فنحن بحاجة إلى بناء نماذج ذكاء اصطناعي أفضل ومجانية يمكن تشغيلها على أجهزة الكمبيوتر المدرسية لحماية خصوصية الطلاب.
باختصار
Exposía هو أداة جديدة تساعد الحواسيب على تعلم كيفية تعليم الكتابة والتغذية الراجعة. وهو يثبت أنه بينما أصبح الذكاء الاصطناعي جيداً جداً في التقييم، فإنه لا يزال بحاجة إلى توجيه بشري، ونحن بحاجة إلى بناء أدوات ذكاء اصطناعي أفضل، وخاصة، ومجانية حتى يحصل كل طالب على المساعدة التي يحتاجها لكتابة فكرته الكبيرة القادمة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.