💻 computer science

Development and Validation of a Faculty Artificial Intelligence Literacy and Competency (FALCON-AI) Scale for Higher Education

استناداً إلى إطار محو الأمية التقنية المرنة والنقدية، طورت هذه الدراسة وصادقت على مقياس (FALCON-AI) المكون من 23 بنداً من خلال مراجعة الخبراء والتحليل العاملي التوكيدي لتوفير أداة موثوقة ومحددة الأدوار لتقييم محو الأمية بالذكاء الاصطناعي لدى أعضاء هيئة التدريس عبر مجالات التدريس والبحث والخدمة في التعليم العالي.

المؤلفون الأصليون: Yukyeong Song, Hyunjoo Moon, Hyewon Yang, Chris Kilgore

نُشر 2026-03-24

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yukyeong Song, Hyunjoo Moon, Hyewon Yang, Chris Kilgore

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 تسير داخل حرم جامعي ضخم وصاخب. لعقود من الزمن، كان الأساتذة هناك هم أسياد حرفتهم: يدرسون الطلاب، ويكتشفون معارف جديدة، ويديرون المشهد بالكامل. ولكن مؤخرًا، وصل ضيف جديد، قوي للغاية ومربك أحيانًا: الذكاء الاصطناعي (AI).

الذكاء الاصطناعي يشبه متدربًا ذكيًا جدًا وسريعًا للغاية، يمكنه كتابة المقالات، وتحليل البيانات، وتصحيح الأوراق في ثوانٍ معدودة. لكن المشكلة تكمن في أنه بمجرد وجود المتدرب، لا يعني ذلك أن الجميع يعرفون كيفية استخدامه بشكل جيد. فبعض الأساتوة يشعرون بالرعب منه، وبعضهم يستخدمه بتهور، والعديد منهم يشعرون ببساطة بالارتباك بشأن ما يمكنه فعله وما لا يمكنه فعله.

هذه الورقة البحثية تدور حول بناء "اختبار رخصة قيادة متخصص" لأساتذة الجامعات، ليروا مدى قدرتهم على التعامل مع هذا المتدرب الذكي الجديد. ويطلق الباحثون على هذا الاختبار اسم مقياس FALCON-AI.

إليك قصة بناء هذا الاختبار، مشروحة ببساء:

1. المشكلة: لا توجد خريطة للتضاريس الجديدة

قبل هذه الدراسة، كانت هناك بالفعل اختبارات لقياس مهارات الذكاء الاصطناعي. لكنها كانت تشبه اختبارات القيادة لمركبات مختلفة:

بعضها كان للأطفال (يتعلمون ماهية السيارة).
وبعضها كان لمعلمي المدارس (K-12) (يتعلمون كيفية قيادة حافلة مدرسية).
وبعضها كان للجمهور العام (يتعلمون كيفية ركوب الدراجة الهوائية).

ولكن لم يكن هناك اختبار لأساتذة الجامعات. فوظيفة الأستاذ فريدة من نوعها؛ فهم لا يكتفون بالتدريس فحسب، بل يقومون أيضًا بأبحاث معقدة ويديرون أقسامًا إدارية. لقد كانوا بحاجة إلى اختبار يفهم "الوصف الوظيفي" الخاص بهم.

2. المخطط: إطار عمل "CTRL"

لبناء هذا الاختبار، استخدم الباحثون مخططًا يسمى إطار عمل CTRL. فكر في هذا ككعكة مكونة من ثلاث طبقات يجب على كل أستاذ تناولها ليكون "مرنًا تجاه الذكاء الاصطناعي":

الطبقة الأولى: الثقافة الوظيفية (كعكة "كيفية الاستخدام"): هل يمكنك استخدام الأداة فعليًا؟ هل يمكنك طرح الأسئلة الصحيحة على الذكاء الاصطناعي (الأوامر/Prompts) لتجعله يكتب منهجًا دراسيًا أو يحلل بيانات؟
الطبقة الثانية: الثقافة التقييمية (كعكة "اختبار المصداقية"): هل يمكنك معرفة ما إذا كان الذكاء الاصطناعي يكذب أو يهلوس؟ هل يمكنك النظر إلى أداتين مختلفتين للذكاء الاصطناعي والقول: "الأداة (أ) أفضل للكتابة، لكن الأداة (ب) أفضل في الرياضيات"؟
الطبقة الثالثة: الثقافة الأخلاقية (كعكة "الضمير"): مجرد قدرتك على فعل شيء ما، لا يعني بالضرورة أنه ينبغي عليك فعله. هل من العدل السماح للطلاب باستخدام الذكاء الاصطناعي في الاختبار؟ هل أنت تسرق بيانات؟ هذه الطبقة تتعلق باتخاذ القرارات الأخلاقية.

قام الباحثون بتوزيع هذه الطبقات الثلاث على المجالات الأربعة الرئيسية لحياة الأستاذ:

عام (مجرد المعرفة بالذكاء الاصطناعي)
التدريس (استخدام الذكاء الاصطناعي في الفصل الدراسي)
البحث (استخدام الذكاء الاصطناعي في العلوم والأوراق البحثية)
الخدمة (استخدام الذكاء الاصطناعي في العمل الإداري واللجان)

أدى هذا إلى إنشاء شبكة 3×4 (12 صندوقًا مختلفًا من المهارات) للتحقق منها.

3. بناء الاختبار: من 43 سؤالًا إلى 23 سؤالًا

بدأ الفريق بمجموعة فوضوية مكونة من 43 سؤالًا. كانت طويلة ومربكة للغاية.

الخبراء البشريون: دعوا أربعة أساتذة من خبراء الذكاء الاصطناعي لقراءة الأسئلة. قالوا: "هذا السؤال غامض للغاية"، أو "هذا لا يبدو منطقيًا بالنسبة لباحث".
الخبير الآلي: إليكم الجزء الرائع. لقد طلبوا أيضًا من ذكاء اصطناعي (ChatGPT) أن يقوم بتقييم الأسئلة! لقد طلبوا من الذكاء الاصطناعي التظاهر بأنه أستاذ جامعي وتقييم الأسئلة من حيث الوضوح والأهمية.
النتيجة: اتفق البشر والذكاء الاصطناعي على معظم الأمور. قاموا باستبعاد الأسئلة السيئة، وإصلاح الأسئلة المربكة، وانتهى بهم الأمر باختبار رشيق يتكون من 23 سؤالًا.

4. الاختبار التجريبي: تجربة الأمر

قدموا هذا الاختبار الجديد المكون من 23 سؤالًا إلى 269 من موظفي وأساتذة الجامعات.

سألوا: "على مقياس من 1 إلى 5، ما مدى جودتك في هذه الأمور؟"
وقاموا بتشغيل الأرقام عبر آلة إحصائية (تسمى التحليل العاملي التوكيدي) لمعرفة ما إذا كان الاختبار يقيس بالفعل ما كان من المفترض أن يقيسه.

الحكم النهائي: لقد نجح الاختبار!

نجح في فصل الطبقات الثلاث (الوظيفية، التقييمية، الأخلاقية).
نجح في فصل مجالات العمل الأربعة (التدريس، البحث، الخدمة، العام).
كانت الأسئلة متسقة (إذا كنت جيدًا في سؤال أخلاقي واحد، فمن المرجح أن تكون جيدًا في الأسئلة الأخلاقية الأخرى).

5. لماذا هذا مهم (ما الفائدة من ذلك؟)

تخيل أن جامعة ما تريد تدريب أساتذتها على الذكاء الاصطناعي. بدون هذا الاختبار، فهم يطيرون بلا هدى. قد يقدمون ورشة عمل حول "كيفية كتابة الأوامر" لأستاذ يعرف ذلك بالفعل ولكنه يحتاج إلى مساعدة في "أخلاقيات الذكاء الاصطناعي".

باستخدام مقياس FALCON-AI، يمكن للجامعة:

التشخيص: "أوه، أساتذتنا رائعون في استخدام الذكاء الاصطناعي (وظيفيًا)، لكنهم سيئون جدًا في التحقق مما إذا كان يكذب (تقييميًا)".
التدريب: يمكنهم بناء ورش عمل مخصصة لإصلاح نقاط الضعف هذه.
القياس: يمكنهم إجراء الاختبار مرة أخرى بعد التدريب لمعرفة ما إذا كان الأساتذة قد تحسنوا بالفعل.

الخلاصة

هذه الورقة هي قصة إنشاء بوصلة للأساتذة الذين يبحرون في غابة الذكاء الاصطناعي. لا يتعلق الأمر بجعل الأساتذة علماء حاسوب؛ بل يتعلق بمنحهم خريطة واضحة لضمان استخدامهم لهذه الأداة القوية بحكمة وأخلاق وفعالية في تدريسهم وأبحاثهم وعملهم اليومي.

باختصار: لقد صنعوا "رخصة قيادة ذكاء اصطناعي" مخصصة للأساتذة، واختبروها مع أشخاص حقيقيين، وأثبتوا أنها تعمل. الآن، لدى الجامعات وسيلة للتأكد من أن أعضاء هيئة التدريس لديها مستعدون للمستقبل.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "تطوير والتحقق من صحة مقياس فالكون للذكاء الاصطناعي (FALCON-AI) لمحو الأمية والكفاءة لدى أعضاء هيئة التدريس في التعليم العالي."

1. بيان المشكلة

أدى التكامل السريع للذكاء الاصطناعي في التعليم العالي إلى تحويل مجالات التدريس، والبحث، وسير العمل الإداري. وبينما توجد أدوات حالية لتقييم محو الأمية بالذكاء الاصطناعي للجمهور العام، وطلاب التعليم الأساسي (K-12)، ومعلمي التعليم الأساسي، وطلاب الجامعات، إلا أن هناك فجوة حرجة في وجود أدوات موثقة ومخصصة للأدوار الوظيفية لأعضاء هيئة التدريس في الجامعات.

محدودية الأدوات الحالية: تفتقر المقاييس الموجودة غالبًا إلى "المؤشرات المرتبطة بالدور"، والتي تعالج المسؤوليات الثلاثية الفريدة لأعضاء هيئة التدريس (التدريس، والبحث، والخدمة/الإدارة).
الحاجة إلى التحقق من الصحة: تفتقر العديد من الأدوات الموجهة لأعضاء هيئة التدريس إلى التوثيق الصارم (مثل التحليل العاملي التوكيدي - CFA)، مما يحد من فائدتها في اتخاذ القرارات المؤسسية، وتقييم التطوير المهني (PD)، والتتبع الطولي.
الهدف: تطوير والتحقق من صحة مقياس FALCON-AI، وهو أداة موجزة وذات دقة سيكومترية مصممة خصيصًا لقياس محو الأمية والكفاءة في الذكاء الاصطناعي عبر المجالات المتعددة لعمل أعضاء هيئة التدريس في التعليم العالي.

2. المنهجية

اتبعت الدراسة عملية تطوير مقياس صارمة متعددة المراحل قائمة على إطار محو الأمية التقنية المرنة (CTRL).

أ. الإطار النظري

استخدمت الدراسة إطار CTRL، الذي يصنف محو الأمية بالذكاء الاصطناعي من خلال ثلاث طبقات مترابطة ومتدرجة:

المحو الأمية الوظيفي (Functional Literacy): فهم واستخدام أدوات الذكاء الاصطناعي لأغراض محددة.
المحو الأمية التقييمي (Evaluative Literacy): التقييم النقدي لنقاط القوة والضعف والتحيزات في أدوات الذكاء الاصطناعي.
المحو الأمية الأخلاقي (Ethical Literacy): اتخاذ قرارات مدروسة فيما يتعلق بالنشر الأخلاقي للذكاء الاصطناعي.

تم تقاطع هذه المستويات الثلاثة من محو الأمية مع أربعة مجالات عمل لأعضاء هيئة التدريس:

عام
التدريس
البحث
الخدمة/الإدارة
الهيكل الناتج: مصفوفة (3 × 4) (12 بُعدًا).

ب. توليد البنود والتحقق من صحة المحتوى

المجموعة الأولية: تم توليد 43 بندًا عن طريق تكييف المقاييس الحالية وإنشاء بنود جديدة لتتناسب مع مصفوفة (3×4).
مراجعة الخبراء: أجرى أربعة خبراء في الموضوع (SMEs) لديهم خبرة في تعليم الذكاء الاصطناعي، وعلوم الحاسوب، وتطوير أعضاء هيئة التدريس مقابلات فردية.
التثليث باستخدام الذكاء الاصطناائي: استُخدم وكيل قائم على GPT (نموذج ChatGPT 5.2 Thinking من OpenAI) كمراجع تكميلي لتقييم الوضوح، والملاءمة، والضرورة، مما وفر نهج "تثليث بشري-آلي" مبتكر.
المقاييس:
- مؤشر صلاحية المحتوى (CVI): حُسب للوضوح والملاءمة (المستهدف: >0.70).
- نسبة صلاحية المحتوى (CVR): حُسبت للضرورة باستخدام طريقة Lawshe (المستهدف: >0.49 لخمسة مقيمين).
النتيجة: تمت إزالة أو تقسيم البنود ذات الاتفاق المنخفض. تم تنقيح المجموعة من 43 إلى 39 بندًا للاختبار التجريبي.

ج. الاختبار التجريبي وجمع البيانات

العينة: 269 استجابة صالحة من أصحاب المصلحة في التعليم العالي (أعضاء هيئة التدريس، مساعدو الدراسات العليا، باحثو ما بعد الدكتوراه، والموظفون).
الديموغرافيا: 75.8% حاصلون على درجات الدكتوراه؛ 63.57% من جامعات بحثية مكثفة؛ التخصصات كانت متنوعة (التربية 47.6%، العلوم الإنسانية 17%، إلخ).
الأداة: مقياس ليكرت خماسي النقاط تم تقديمه عبر Qualtrics.

د. التحليل السيكومتري

التحليل العاملي التوكيدي (CFA): أُجري باستخدام برنامج R (الإصدار 4.5.1) مع تقدير الاحتمال الأقصى المتين (MLR) للتعامل مع البيانات الترتيبية.
النماذج المختبرة:
1. نموذج محو الأمية بالذكاء الاصطناعي: 3 عوامل (وظيفي، تقييمي، أخلاقي).
2. نموذج عمل أعضاء هيئة التدريس: 4 عوامل (عام، تدريس، بحث، خدمة).
تقليص البنود: تمت إزالة البنود ذات التحميلات العاملية المنخفضة لتقليل العبء على المستجيبين مع الحفاظ على تغطية المحتوى، مما أدى إلى مقياس نهائي مكون من 23 بندًا.
الثبات: تم تقييمه عبر معامل ألفا كرونباخ.

3. النتائج الرئيسية

أ. صلاحية المحتوى

اتفاق الخبراء: لوحظ اتفاق عالٍ بين المقيمين (IRA) بين الخبراء البشريين والوكيل الآلي (تراوح IRA بين .77 و .87).
المؤشرات: أظهرت نسخة الـ 39 بندًا النهائية صلاحية محتوى قوية (S-CVI للوضوح = .94؛ للملاءمة = .95؛ متوسط CVR = .58).

ب. التحليل العاملي التوكيدي (CFA)

بعد تقليص المقياس إلى 23 بندًا، تحسن ملاءمة النموذج بشكل كبير:

نموذج محو الأمية بالذكاء الاصطناعي (3 عوامل):
- مؤشرات الملاءمة: CFI = .926، TLI = .918، RMSEA = .064، SRMR = .054.
- الاستنتاج: أظهر ملاءمة نموذج جيدة، متجاوزًا العتبات القياسية (CFI/TLI > .90، RMSEA < .08).
- التحميلات: تراوحت التحميلات المعيارية بين 0.559 و 0.846.
نموذج عمل أعضاء هيئة التدريس (4 عوامل):
- مؤشرات الملاءمة: CFI = .876، TLI = .860، RMSEA = .084، SRMR = .062.
- الاستنتاج: أظهر ملاءمة مقبولة إلى معقولة. ورغم أن CFI/TLI كانا أقل قليلاً من عتبة .90، إلا أن RMSEA و SRMR كانا ضمن الحدود المقبولة، كما أظهر النموذج تحسنًا جوهريًا مقارنة بنموذج الـ 39 بندًا الأولي.

ج. الثبات

الاتساق الداخلي:
- المقاييس الفرعية لمحو الأمية بالذكاء الاصطناعي: تراوح معامل ألفا كرونباخ بين 0.83 و 0.91 (وظيفي: .91، تقييمي: .90، أخلاقي: .83).
- المقاييس الفرعية لعمل أعضاء هيئة التدريس: تراوح معامل ألفا كرونباخ بين 0.75 و 0.89 (تدريس: .89، عام: .85، خدمة: .80، بحث: .75).
- المقياس الإجمالي: $\alpha$ = 0.95.

4. المساهمات الرئيسية

المساهمة النظرية:
- وضع إطار (3 × 4) يضع محو الأمية بالذكاء الاصطناعي بشكل فريد ضمن المسؤوليات المهنية المحددة لأعضاء هيئة التدريس (التدريس، البحث، الخدمة)، متجاوزًا نماذج "المستخدم" العامة.
- التحقق من صحة إطار CTRL كبنية قوية لكفاءة أعضاء هيئة التدريس، حيث يدمج الأبعاد الوظيفية والتقييمية والأخلاقية.
المساهمة المنهجية:
- التثليث البشري-الآلي: ريادة استخدام نموذج لغوي كبير (GPT) كمدقق محتوى تكميلي بجانب الخبراء البشريين. وجدت الدراسة توافقًا قويًا بين تقييمات الذكاء الاصطناعي والبشر، مما يشير إلى إمكانية استخدام الذكاء الاصطناعي بفعالية للمساعدة في تطوير المقاييس لتعزيز الشفافية والكفاءة.
- التحقق الصارم من الصحة: تقديم أحد أول المقاييس التي تم التحقق من صحتها سيكومتريًا بالكامل (CFA + الثبات) والمخصصة لمحو الأمث بالذكاء الاصطناعي لأعضاء هيئة التدريس.
المساهمة العملية:
- مقياس FALCON-AI: يقدم أداة موجزة مكونة من 23 بندًا وجاهزة للاستخدام (الملحق أ) من أجل:
  - أعضاء هيئة التدريس كأفراد: التقييم الذاتي ووضع أهداف للتطوير المهني.
  - المؤسسات: تشخيص فجوات الكفاءة، وتصميم ورش عمل مستهدفة للتطوير المهني، وتقييم فعالية تدخلات التدريب على الذكاء الاصطناعي عبر التقييم القبلي والبعدي.

5. الأهمية والقيود

الأهمية:
يسد مقياس FALCON-AI فجوة حرجة في أبحمار وممارسة التعليم العالي. فهو يمكّن المؤسسات من الانتقال من تبني الذكاء الاصطناعي الطوعي والمؤقت إلى بناء القدرات الاستراتيجي القائم على البيانات. ومن خلال توفير مقياس موثق، فإنه يسمح بالتقييم المنهجي لمدى جاهزية أعضاء هيئة التدريس للتعامل مع التعقيدات الأخلاقية والعملية للذكاء الاصطناعي في الأوساط الأكاديمية.

القيود:

العينة: اعتمدت العينة التجريبية على العينة الميسرة، مما قد يؤدي إلى تحيز الاختيار الذاتي (قد يكون المشاركون أكثر دراية بالذكاء الاصطناعي بالفعل).
التقرير الذاتي: يقيس المقياس الكفاءة المدركة بدلاً من الأداء الملحوظ. يجب أن تدمج الأعمال المستقبلية البيانات السلوكية أو التقييمات القائمة على السيناريوهات.
ملاءمة النموذج: أظهر نموذج عمل أعضاء هيئة التدريس ملاءمة أضعف قليلاً من نموذج محو الأمية بالذكاء الاصطناعي، مما يشير إلى أن المجالات الأربعة قد تكون شديدة الارتباط أو تتطلب مزيدًا من التنقيح في عينات أكبر.
التقادم السريع: نظرًا للوتيرة السريعة لتطور الذكاء الاصطناعي، تم تصميم المقياس كـ "أداة حية" تتطلب تحديثات دورية لتبقى ذات صلة بالسياق.

الخلاصة:
نجحت الدراسة في تطوير والتحقق من صحة مقياس FALCON-AI، وهو أداة متعددة الأبعاد وقوية تقيس بفعالية محو الأمث بالذكاء الاصطناعي لأعضاء هيئة التدريس عبر الأبعاد الوظيفية والتقييمية والأخلاقية ضمن السياقات المحددة للتدريس والبحث والخدمة. وهو بمثابة أداة تأسيسية لتعزيز دمج الذكاء الاصطناعي في التعليم العالي.