🤖 AI

Digital Lifelong Learning in the Age of AI: Trends and Insights

تستخدم هذه الدراسة بيانات استقصائية من 200 مستجيب لتحليل كيفية تحويل الذكاء الاصطناعي والنماذج اللغوية الكبيرة للتعلم الرقمي مدى الحياة للفئات العمرية البالغة، مما يكشف عن زيادة الأهمية في مرحلة ما بعد الجائحة ويقدم رؤى قابلة للتنفيذ لتحسين الاستراتيجيات التعليمية لتلبية احتياجات القوى العاملة المتطورة.

المؤلفون الأصليون: Geeta Puri, Nachamma Socklingam, Dorien Herremans

نُشر 2026-02-04

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Geeta Puri, Nachamma Socklingam, Dorien Herremans

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 عالم التعلم كمكتبة ضخمة تتوسع باستمرار. لفترة طويلة، كانت هذه المكتبة مخصصة في الغالب للأطفال وطلاب الجامعات. ولكن مؤخرًا، وبفضل الجائحة والانفجار في الذكاء الاصطناعي (AI)، فُتحت الأبواب على مصراعيها للجميع، وخاصة البالغين الذين يحاولون تعلم مهارات جديدة لوظائفهم أو لحياتهم الشخصية.

هذه الورقة البحثية تشبه "شهادة تقييم" حول كيفية استخدام مجموعات مختلفة من الناس لهذه "المكتبة الرقمية" الجديدة. سأل المؤلفون (جيتا بوري، ناتشاما سوكلينجام، ودوريان هيرمانز) 200 شخص من الهند، وسنغافورة، والمملكة المتحدة، والولايات المتحدة عما يحبونه، وما لا يحبونه، وكيف يتعلمون بشكل أفضل.

إليك قصة نتائجهم، مقسمة إلى مفاهيم بسيطة:

1. "المكتبة الرقمية" أصبحت ضرورية الآن

قبل الجائحة، كان العديد من البالغين يعاملون التعلم عبر الإنترنت كأنه وجبة خفيفة "لطيفة" يمكن الاستغناء عنها. أما الآن، فقد أصبح هو الوجبة الرئيسية. وجدت الدراسة أن ما يقرب من الجميع (84.7%) يستخدمون التعلم الرقمي بشكل متكرر أكثر من ذي قبل.

التشبيه: فكر في التعلم الرقمي مثل الهاتف الذكي. قبل عشر سنوات، كان جهازًا فاخرًا. اليوم، هو ضروري تمامًا مثل الحذاء للمشي في العالم الحديث.

2. ليس الجميع يحبون نفس القائمة (العمر يفرق)

اكتشف الباحثون أن الشاب ذو الـ 17 عامًا والشخص ذو الـ 45 عامًا لا يختلفان فقط في "المواضيع" التي يريدونها؛ بل يختلفان أيضًا في "طرق" تناول الوجبة.

الجمهور الأصغر سنًا (15-30): هم مثل "عشاق الطعام" (foodies) الذين يحبون التجارب التفاعلية والمفتوحة. يفضلون المنصات المرنة (مثل Duolingo أو Khan Academy) حيث يمكنهم التنقل والاستكشاف.
الجمهور الأكبر سنًا (+30): هم مثل "مسافري الأعمال" الذين يحتاجون إلى الكفاءة. يفضلون المنصات المنظمة والمباشرة (مثل LinkedIn Learning أو Coursera) التي تقدم شهادات واضحة وتساعدهم في الحصول على ترقية.
الخلاصة: لا يمكنك تقديم قائمة طعام الأطفال لمدير تنفيذي، ولا يمكنك تقديم غداء عمل رسمي لمراهق. يجب أن تتناسب المنصة مع مرحلة حياة الشخص.

3. فخ "التلعيب" (Gamification)

"التلعيب" يعني إضافة عناصر الألعاب إلى التعلم، مثل النقاط، والأوسمة، ولوحات المتصدرين.

النتيجة: التلعيب هو وسيلة جذب رائعة. إنه يشبه اللوحة المضيئة والبراقة خارج المتجر التي تجذبك للدخول. الشباب يحبونه.
الفخ: بمجرد دخولك ومحاولة الدراسة فعليًا لفترة طويلة، يتوقف "اللعب" عن كونه ممتعًا. وجدت الدراسة أنه كلما قضى الناس وقتًا أطول في التعلم، قل اهتمامهم بالنقاط والأوسمة.
التشبيه: التلعيب هو الحلوى التي توضع فوق الآيس كريم. تجعل القضمة الأولى مثيرة، ولكن إذا كان لديك حلوى فقط دون آيس كريم (محتوى حقيقي ومفيد)، فستشعر بالملل وتغادر. بالنسبة للمهنيين الأكبر سنًا، فإن "الآيس كريم" (المحتوى المفيد) يهمهم أكثر بكثير من الحلوى.

4. المكون الأهم: "سهولة الاستخدام"

عندما سُئلوا عما يجعلهم يحبون تطبيقًا تعليميًا، لم يكن الجواب الأول هو الألعاب أو الذكاء الاصطناعي المتطور، بل كان 7 ability.4% قالوا "سهولة الاستخدام".

النتيجة: إذا كان التطبيق معقدًا، أو مربكًا، أو صعب التنقل، فسوف ينسحب الناس. يريدون أن يعمل التطبيق ببساطة.
التشبيه: تخيل أنك تحاول شرب الماء من خلال ماصة (شفاطة) منحنية من المنتصف. مهما كانت جودة الماء، فلن تشربه. "سهولة الاستخدام" هي الماسات المستقيمة.

5. الذكاء الاصطناعي: المساعد الخارق بذاكرة معيبة

بحثت الدراسة في كيفية استخدام الناس لأدوات الذكاء الاصطناعي (مثل ChatGPT) للتعلم.

الأخبار الجيدة: 80% من الناس يستخدمون الذكاء الاصطناعي. إنهم يحبون أنه يقدم إجابات فورية ويمكنه الدردشة معهم حول أي موضوع. يبدو الأمر وكأن لديك معلمًا متاحًا على مدار الساعة طوال الأسبوع.
الأخبار السيئة: حوالي 60% من الناس يشعرون بالقلق لأن الذكاء الاصطناعي يخطئ أحيانًا في الحقائق أو يقدم معلومات غير دقيقة.
التشبيه: الذكاء الاصطناعي يشبه مساعدًا سريعًا جدًا ومتحدثًا كثيرًا، يعرف القليل عن كل شيء. هو مفيد للغاية للعصف الذهني والإجابات السريعة، لكن لا يمكنك الوثوق به عميًّا للقيام بضرائبك أو كتابة عقد قانوني لأنه قد "يهلوس" (يختلق أشياء من خياله). تقول الدراسة إننا بحاجة إلى مراجعة عمله.

6. "الشهادة" هي التذكرة الذهبية

بينما الألعاب ممتعة، يهتم البالغون حقًا بـ الشهادات.

النتيجة: ذكر ما يقرب من 44% من الناس أن الحصول على شهادة هو أحد أهم دوافعهم.
التشبيه: فكر في الشهادة كـ "ختم اعتماد" من سلطة موثوقة. بالنسبة للبالغين الذين يحاولون الحصول على وظيفة جديدة، فإن الشهادة هي بمثابة مفتاح ذهبي يفتح باب مسيرة مهنية جديدة. إنها تثبت أنهم قاموا بالفعل بالعمل المطلوب.

الملخص

تخلص الورقة البحثية إلى أنه لجعل التعلم الرقمي فعالاً للجميع:

اجعله بسيطًا: اجعل التطبيقات سهلة الاستخدام.
اعرف جمهورك: لا تستخدم الألعاب لتعليم محاسب في الخمسين من عمره؛ استخدم الهيكل الواضح والشهادات.
استخدم الذكاء الاصطناعي بحكمة: اجعل الذكاء الاصطناعي دليلًا مفيدًا، لكن لا تدعه يحل محل الحاجة إلى الدقة والإشراف البشري.

الهدف ليس مجرد جعل التعلم "ممتعًا"؛ بل هو جعله مفيدًا، وموثوقًا، ومتاحًا للناس من جميع الأعمار الذين يحاولون التنقل في عالم سريع التغير.

ملخص تقني: التعلم الرقمي مدى الحياة في عصر الذكاء الاصطناعي: الاتجاهات والرؤى

بيان المشكلة
أدى التطور السريع للذكاء الاصطناعي (AI)، ولا سيما النماذج اللغوية الكبيرة (LLMs)، إلى تسريع اعتماد التعلم الرقمي خارج نطاق التعليم الرسمي. ومع ذلك، تركز الأدبيات الحالية بشكل أساسي على الأطفال والمراهقين وطلاب الجامعات التقليديين، مما يترك فجوة كبيرة في فهم كيفية تعامل البالغين والمتعلمين مدى الحياة مع البيئات الرقمية. وتحديداً، هناك نقص في البيانات التجريبية المتعلقة بـ:

تأثير الأدوات المدعومة بالذكاء الاصطناائي (مثل نماذج المحولات التوليدية مسبقة التدريب - GPT) على رحلات تعلم البالغين.
الفعالية المحددة ديموغرافياً لاستراتيجيات "التلعيب" (Gamification) في استبقاء وإعادة تأهيل المتعلمين البالغين.
كيفية إدراك البالغين من مختلف الجغرافيات والأجناس والمراحل المهنية للتعلم الرقمي كأداز للنمو المهني.
تعالج هذه الدراسة الحاجة إلى سد الفجوة بين "المواطنين الرقميين" (Digital Natives) و"المهاجرين الرقميين" (Digital Migrants) الأكبر سناً لدعم التوظيف طويل الأمد في مشهد تكنولوجي متغير بسرعة.

المنهجية
يعتمد البحث منهجاً مختلطاً باستخدام استطلاعين عبر الإنترنت تم توزيعهما عبر منصات التواصل الاجتماعي (إنستغرام، واتساب، لينكد إن) عبر أربع مناطق: الهند، سنغافورة، المملكة المتحدة، والولايات المتحدة الأمريكية.

الاستطلاع (أ) (العدد = 119): استهدف فئة سكانية متنوعة (الأعمار من 15 إلى 40+ عاماً) لرسم خرائط التحولات السلوكية، وتفضيلات المنصات، والاختلافات الديموغرافية في التعلم الرقمي. استخدم الاستطلاع أسئلة مغلقة (مقاييس ليكرت، واختيار من متعدد) وحقولاً مفتوحة لتقييم الدوافع مثل التلعيب، والتخصيص، والشهادات.
الاستطلاع (ب) (العدد = 81): استطلاع متابعة ركز تحديداً على تبني واستخدام وتصورات الأدوات المدعومة بالذكاء الاصطناعي (LLMs) في السياقات التعليمية.
تحليل البيانات: تمت معالجة الاستجابات باستخدام لغة بايثون (مكتبة Seaborn) للإحصاء الوصفي وتصور البيانات. تم استبعاد القيم المتطرفة الشديدة في مقايسات "الوقت المستغرق" لضمان تصوير قوي للاتجاهات. كما تم تقييم الأهمية الإحصائية باستخدام اختبار "ويلكوكسون" للرتب الموقعة (Wilcoxon signed-rank test) لمقارنة درجات الصلة قبل وما بعد جائحة كوفيد.

المساهمات والنتائج الرئيسية
تقدم الدراسة رؤى تجريبية في ثلاثة مجالات أساسية:

التقسيم الديموغرافي وتفضيلات المنصات:
- التحول ما بعد الجائحة: هناك زيادة ذات دلالة إحصائية ( $p = 3.18 \times 10^{-12}$ ) في الصلة المدركة للتعلم الرقمي بعد كوفيد، حيث أفاد 84.7% من المشاركين بزيادة الاستخدام.
- التباين القائم على العمر: تفضل الفئات العمرية الأصغر (15-20 عاماً) المنصات المرنة والمفتوحة (مثل خان أكاديمي، دولينجو)، بينما يفضل المهنيون الأكبر سناً (30+) المنصات الهيكلية الموجهة نحو الشهادات (مثل كورسيرا، لينكد إن ليرنينج، يوديمي).
- الفروق الإقليمية والجنسية: أظهرت الإناث في الهند وسنغافورة أكبر زيادة في صلة التعلم الرقمي بعد الجائحة. وفي الولايات المتحدة، ارتفع تبني الذكور من مستويات متوسطة إلى مستويات مشبعة، بينما أظهرت المملكة المتحدة صلة عالية باستمرار قبل وما بعد الجائحة.
- مواءمة المهارات: يعطي المهنيون الأولوية لرفع المهارات التقنية (البرمجة، الأدوات الرقمية) عبر يوديمي ولينكد إن ليرنينج، بينما يميل الباحثون عن التطوير الشخصي والعافية نحو دولينجو وخان أكاديمي.
دور التلعيب (Gamification):
- الفعالية المحدودة على المدى الطويل: بينما يدرك 31.4% من المشاركين التلعيب بشكل كبير، يجد 19.5% فقط أنه فعال للغاية كمحفز.
- الاعتماد على العمر والوقت: يكون التلعيب أكثر فعالية كـ "خطاف أولي" للفئة العمرية الأصغر (15-20 عاماً). ومع ذلك، تنخفض قيمته التحفيزية مع زيادة الوقت المستغرق في التعلم، بغض النظر عن العمر.
- تحول التفضيلات: مع تقدم المتعلمين في السن، تتفوق "سهولة الاستخدام" (77.4% من المشاركين) و"جودة المحتوى" على عناصر التلعيب (الشارات، النقاط) كمحركات أساسية للتفاعل.
تبني الذكاء الاصطناعي والثقة:
- التبني العالي: يستخدم 80% من المشاركين في الاستطلاع (ب) النماذج اللغوية الكبيرة (مثل ChatGPT) لمهام تتراوح بين توليد النصوص والتعلم.
- الميزات المفضلة: عبر جميع الأعمار، تعد "الاستجابة الفورية" و"الأسئلة/الأجوبة المخصصة" هي الميزات الأكثر قيمة في الذكاء الاصطناعي. ويضع المهنيون الأكبر سناً تركيزاً أكبر على التفاعلية والتغذية الراجعة الفورية.
- فجوة الثقة: أعرب حوالي 60% من المشاركين عن خيبة أملهم بشأن نقص الدقة في أدوات الذكاء الاصطناعي. وتظل المخاوف بشأن التحيز وخصوصية البيانات عوائق كبيرة أمام التكامل الكامل.

الأهمية والادعاءات
تدعي الورقة أنها تقدم رؤى قابلة للتطبيق لمطوري تكنولوجيا التعليم (EdTech)، وصناع القرار، والمعلمين من خلال ترسيخ استراتيجيات التعلم الرقمي في التفضيلات المحددة للمتعلمين البالغين.

الآثار التصميمية: يرى المؤلفون أن "سهولة الاستخدام" و"صلة المحتوى" يتفوقان على التلعيب في استدامة التفاعل بين المتعلمين البالغين. ويقترحون استخدام التلعيب كنقطة دخول للمستخدمين الأصغر سناً، ولكن يجب استبداله أو دعمه بعناصر هيكلية (الشهادات، المناهج الواضحة) للمهنيين.
تكامل الذكاء الاصطناعي: تفترض الدراسة أنه بينما يعد الذكاء الاصطناعي أداة قوية للتخصيص، فإن تكامله الناجح يتطلب أنظمة "الإنسان في الحلقة" (Human-in-the-Loop) لمعالجة مخاوف الدقة، وتطوير محو الأمية الأساسية للذكاء الاصطناعي لدى المعلمين ليعملوا كـ "مهندسي تعلم" بدلاً من مجرد بدلاء.
التوصيات السياساتية: يقترح المؤلفون أن الحكومات في المناطق النامية يجب أن تدعم الوصول إلى أدوات الذكاء الاصطناعي وتعزز الدعم متعدد اللغات لضمان التمكين العادل للمهارات.

المحددات
يقر المؤلفون بأن الدراسة مقيدة بسبب انحياز العينة المتأصل الناتج عن التوظيف عبر وسائل التواصل الاجتماعي (مما قد يؤدي إلى الميل نحو الفئات النشطة رقمياً) وبسبب تصميمها العرضي، مما يحد من الاستدلال السببي. ويوصون بأبحاث مستقبلية مع عينات أكبر ( $n \ge 300$ ) وتصاميم تجريبية لتوضيح التأثيرات السببية لعوامل محددة مثل التلعيب على نتائج التعلم.