Cognitive Twins: Investigating Personalized Thinking Model Building and Its Performance Enhancement with Human-in-the-Loop
تقدم هذه المساهمة نموذج التفكير الشخصي (PTM)، وهو إطار عمل هرمي وقابل للتفسير لإنشاء "توائم معرفية" للمتعلمين باستخدام النماذج اللغوية الكبيرة والضبط الدقيق القائم على تدخل العنصر البشري، والذي أظهر دقة مقبولة وإدراكاً لدى المستخدم يعكس أنماط التفكير الفردية في دراسة استمرت سبعة أسابيع.
المؤلفون الأصليون:Wu-Yuin Hwang, Nur Alif Ilyasa, Muhammad Irfan Luthfi, Yuniar Indrihapsari
تخيل لو أن لديك مرآة رقمية ذكية للغاية. لكن بدلاً من أن تريك كيف تبدو من الخارج، تحاول هذه المرآة أن تريك كيف تفكر.
يقدم هذا المقال مشروعاً يسمى نموذج التفكير الشخصي (PTM). فكر في الأمر كبناء "توأم إدراكي"؛ نسخة رقمية من عاداتك الذهنية، واستراتيجياتك، ومعتقداتك العميقة. أراد الباحثون معرفة ما إذا كان بإمكان الذكاء الاصطناعي قراءة مذكراتك، والتعرف على أنماط تفكيرك، وإنشاء خريطة واضحة ومنظمة لعقلك يمكنك فهمها والثوق بها حقاً.
إليك كيف فعلوا ذلك وما وجدوه، مشروحاً ببساة:
1. طبقات "بصلة" عقلك الخمس
لم يقم الباحثون بمجرد إلقاء مدخلات مذكراتك في كومة واحدة، بل نظموها في هيكل مكون من خمس طبقات، مثل تقشير البصلة من الخارج إلى الداخل:
الطبقة 1 (الأحداث): هذه هي البيانات الخام. إذا كتبت: "درست الرياضيات لمدة 30 دقيقة يوم الثلاثاء"، فسيحول الذكاء الاصطناعي هذا إلى حقيقة محددة.
الطبقة 2 (الأنماط): ينظر الذكاء الاصطناعي إلى كل هذه الحقائق ويقول: "آه، أنت تميل إلى دراسة الرياضيات في المساء". إنه يجمع الأفعال المتشابهة معاً.
الطبقة 3 (الاستراتيجيات): يذهب إلى عمق أكبر: "أنت تستخدم روتيناً معيناً للتعامل مع المشكلات الصعبة". إنه يحدد كيف تعمل.
الطبقة 4 (التخطيط): يكتشف لماذا تخطط للأمور بالطريقة التي تفعلها. "أنت تعطي الأولوية للمهام الصعبة أولاً لأنك تريد التخلص منها وإنجازها".
الطبقة 5 (القيم الجوهرية): هذه هي الطبقة الأعمق. إنها تحدد معتقداتك الأساسية، مثل "أنا أؤمن بأن العمل الجاد يؤدي إلى النجاح" أو "أنا أقدر الإبداع أكثر من السرعة".
2. كيف بنوا التوأم
لإنشاء هذا النموذج، استخدموا فريقاً من الأدوات الرقمية:
القارئ: قام ذكاء اصطناعي قوي (Gemini 2.5 Pro) بقراءة مذكرات 40 طالباً على مدار سبعة أسابيع.
المصنف: استخدم الرياضيات لتجميع الجمل المتشابهة معاً، حتى لو كانت الكلمات مختلفة قليلاً.
التحقق البشري ("الإنسان في الحلقة"): هذا هو الجزء الأهم. بعد أن وضع الذكاء الاصطناعي تخميناته، راجع الطلاب النموذج وقالوا: "نعم، هذا أنا" أو "لا، هذا ليس صحيحاً تماماً". لقد قاموا بتصحيح الذكاء الاصطناعي، ليعملوا مثل معلم يصحح واجبات طلابه.
3. هل نجح الأمر؟ (النتائج)
اختبر الباحثون النموذج بثلاث طرق:
فحص الحقائق (اختبار آلي): سألوا الذكاء الاصطناعي أسئلة محددة حول مذكرات الطلاب (مثلاً: "هل درس الطالب يوم الاثنين؟"). أصاب الذكاء الاصطناعي حوالي 75% من الحقائق. وتعتبر هذه نتيجة "جيدة"، تشبه الدقة التي يستخرج بها الأطباء المعلومات من سجلات المرضى.
اختبار "هل هذا أنا؟" (استطلاع رأي المستخدم): قيم الطلاب مدى جودة وصف النموذج لهم على مقياس من 1 إلى 5. حصل النموذج على متوسط 4.3. وهذا يعني أن الطلاب شعروا أن الذكاء الاصطناعي فهمهم جيداً جداً.
اختبار "التجريد": تحققوا مما إذا كان الذكاء الاصطناعي ينسخ الكلمات فحسب أم أنه يفكر حقاً.
في الطبقات الدنيا (الأحداث)، استخدم الذكاء الاصطناعي كلمات مشابهة جداً لمذكرات الطلاب.
في الطبقات العليا (القيم)، استخدم كلمات مختلفة تماماً وأكثر تجريداً.
التشبيه: تخيل أنك كتبت: "أكلت شطيرة". الطبقة الدنيا من الذكاء الاصطناعي تقول: "أكل شطيرة". الطبقة العليا تقول: "تغذية الجسد". الكلمات مختلفة، لكن المعنى أعمق. وقد وافق الطلاب على أن الكلمات في الطبقة العليا، رغم أنها تبدو "أكاديمية"، إلا أنها كانت لا تزال صادقة بالنسبة لهم.
4. ما الذي غيره التحقق البشري
عندما قام الطلاب بتصحيح الذكاء الاصطناعي:
ساعد ذلك الذكاء الاصطناعي على ارتكاب أخطاء أقل (تقليل "الهلوسة" أو اختلاق الحقائق).
ومع ذلك، وجد الطلاب أنه من السهل تصحيح الطبقات الدنيا (الحقائق والعادات) أكثر من الطبقات العليا (القيم والمعتقدات العميقة).
لماذا؟ من السهل قول: "أنا لم أدرس يوم الثلاثاء". ولكن من الصعب جداً قول: "قيمتي الجوهرية ليست 'العمل الجاد'، بل هي 'الفضول'". الطبقات المجردة ضبابية، لذا شعر الطلاب بثقة أقل في تغييرها.
5. الصورة الكبيرة
يخلص المقال إلى أن هذا "التوأم الإدراكي" يعمل. يمكنه تحويل المذكرات الشخصية الفوضوية إلى خريطة منظمة ونظيفة لكيفية تفكير الشخص.
إنه دقيق (يحصل على الحقائق بشكل صحيح).
إنه ذو معنى (يشعر الطلاب أنه يمثلهم).
إنه هرمي (ينتقل من الحقائق البسيطة إلى القيم العميقة).
يقترح الباحثون أنه إذا استمروا في صقل هذا النموذج بمساعدة البشر، فقد يكون لدينا في النهاية "شريك تفكير" ينمو معنا ويساعدنا على فهم عقولنا بشكل أفضل على مدار حياتنا. ولكن في الوقت الحالي، لقد أثبتوا أن المخطط الأساسي يعمل.
يتطلب التعليم الشخصي الفعال ما هو أكثر من مجرد تتبع مقاييس الأداء أو سجلات النشاط؛ إذ يتطلب فهم كيفية تفسير المتعلمين للمهام، وتنظيم جهودهم، وتطبيق معرفتهم. تعتمد النهج الحالية لنمذجة المتعلم غالباً على تنبؤات "الصندوق الأسود" أو مقاييس سطحية غير قادرة على التمييز بين العجز المعرفي، والمفاهيم الخاطئة، والصعوبات الميتا-معرفية (ما وراء المعرفة). علاوة على ذلك، فإن نماذج تتبع المعرفة الحالية عادة ما تقدر إتقان المفاهيم دون تمثيل صريح لكيفية تنظيم المتعلمين للعلاقات بين المفاهيم أو كيفية تنظيم عمليات التعلم الخاصة بهم. هناك حاجة ماسة لنماذج متعلم قابلة للتفسير قادرة على تمثيل الاستدلال، والتنظيم الميتا-معرفي، ودوافع النظام الذاتي لتوفير دعم مخصص والعمل كرفقاء تعلم مستمرين.
2. المنهجية
2.1 الإطار النظري
يعتمد نموذج التفكير الشخصي (PTM) على تصنيف مارزانو الجديد للأهداف التعليمية، والذي يصف ثلاثة أنظمة متفاعلة: النظام المعرفي (تنفيذ المهام)، والنظام الميتا-معرفي (تحديد الأهداف والتنظيم)، والنظام الذاتي (الأولويات والمعتقدات التحفيزية). يوجه هذا الإطار الهيكل الهرمي للنموذج، متدرجاً من الحالات السلوكية الملموسة إلى القيم الجوهرية المجردة.
2.2 بنية النموذج
ينظم الـ PTM الأدلة المستخرجة من يوميات المتعلم في رسم بياني معرفي مكون من خمس طبقات هرمية:
L0 (الحالة السلوكية): حالات أحداث ذرية (5W1H: ماذا، متى، أين، من، لماذا، كيف) مستخرجة مباشرة من النص الخام.
L1 (الأنماط السلوكية): أنماط متكررة مُخلّقة من حالات L0 عبر التجميع الدلالي، ومسندة إلى نظام مارزانو المعرفي لـ "الفهم".
L2 (الاستخدام المعرفي): روتينات استراتيجية، وتكوين العادات، والاستجابات المحفزة المسندة إلى النظام المعرفي لـ "استخدام المعرفة".
L3 (الميتا-معرفي): أولويات الأهداف، ومنطق التخطيط، وأسباب اتخاذ القرار المسندة إلى النظام الميتا-معرفي.
L4 (القيمة الجوهرية): المعتقدات الأساسية، والدوافع العميقة، وفلسفات حل المشكلات المسندة إلى النظام الذاتي.
2.3 مسار البناء
يتم بناء النموذج باستخدام مسار يتكون من ثلاث مراحل تشمل الاستدلال عبر النماذج اللغوية الكبيرة (LLMs) (Gemini 2.5 Pro)، وتضمين الجمل، وتقليل الأبعاد، والتجميع:
المرحلة الأولى (جمع البيانات وإنشاء L1): يتم تحليل البيانات الخام من مدونات اليوميات إلى حالات L0 ذرية. تُحول هذه الحالات إلى ناقلات كثيفة باستخدام Sentence BERT (all-MiniLM-L6-v2)، ثم تُختزل إلى 25 بُعداً عبر UMAP، وتُجمع باستخدام HDBSCAN. يُطبق خوارزمية التجميع بالإجماع الموزون مع عقوبة زمنية لتحديد الأنماط المستقرة بين الأيام، والتي يتم بعد ذلك تخليقها في عقد L1.
المرحلة الثانية (تخليق الطبقات العليا): يتم إنشاء أبعاد تحليلية عن طريق أخذ عينات من 50 عقدة من L1. توجه هذه الأبعاد عملية تجميع عقد L1 إلى مجموعات L2 وL3 وL4 عبر التجميع القائم على الأوامر (prompt-based clustering). يقوم أمر تخليق قائم على الرسم البياني بتوليد تفسيرات مجردة لهذه المجموعات وإنشاء العقد ذات الطبقات الأعلى.
المرحلة الثالثة (صقل النموذج بوجود الإنسان في الحلقة - HITL): تسمح مرحلة HITL للمستخدمين بالتحقق من العقد المولدة من خلال أسئلة فحص الحقائق. تُستخدم ملاحظات المستخدم لتنقيح محتوى العقد وضمان بقاء النموذج دقيقاً ومفهوماً.
2.4 استراتيجية التقييم
أُجريت دراسة ميدانية لمدة سبعة أسابيع مع 40 طالباً في تخصص تكنولوجيا المعلومات في إندونيسيا. تم تقييم دقة PTM عبر ثلاث طرق:
التقييم الآلي: مطابقة نقاط المعلومات الذرية مع جمل اليوميات (الحقيقة الأرضية) لحساب الدقة (precision)، والاستدعاء (recall)، ودرجة F1.
تقييم المستخدم: استطلاع باستخدام مقياس ليكرت (1-5) لتقييم دقة العبارات المُخلّقة قبل وبعد تنقيح HITL.
التحقق من المحاذاة الدلالية: تحليل الدلالات الداخلية (تماسك الموضوع، التشابه، معامل السيلويت، عدد المواضيع) والترسيخ الخارجي (تشابه جاکارد بين مفردات النموذج واليوميات المصدرية) للتحقق من التسلسل الهرمي للتجريد.
3. النتائج الرئيسية
3.1 دقة النموذج وموثوقيته
التقييم الآلي: حقق PTM إجمالي درجة F1 بلغت 74.57% قبل تنقيح HITL و 75.48% بعد التنقيح. تجاوزت كلتا القيمتين معيار 0.70 المقبول للدقة في استخراج المعلومات المعقدة. كان التحسن مدفوعاً بشكل أساسي بتقليل النتائج الإيجابية الكاذبة (الهلوسة).
أداء الطبقات: حافظت جميع الطبقات على درجات F1 فوق 70%. أظهرت الطبقات الدنيا (L1, L2) تحسناً طفيفاً بعد التنقيح، بينما أظهرت الطبقات العليا (L3, L4) تغييرات ضئيلة، ويرجع ذلك على الأرجوات إلى الطبيعة التجريدية للمفاهيم، مما يجعل التحقق الدقيق منها صعباً على المستخدمين.
3.2 إدراك المستخدم
القبول: قيّم المستخدمون النموذج بدرجة عالية، بمتوسط 4.26 (قبل HITL) و 4.30 (بعد HITL) على مقياس من 5 درجات.
التباين: كانت تقييمات المستخدمين أعلى باستمرار بنحو 7% من درجات F1 الآلية. يشير هذا إلى أن المستخدمين يعطون الأولوية لـ "الرسائل الجوهرية" والمحاذاة الموضوعية على المطابقة اللفظية، بينما تعاقب المقاييس الآلية الاختلافات المعجمية بصرامة أكبر.
الملاحظات النوعية: أشار المشاركون إلى أنه بينما قد تكون المصطلحات في المستويات العليا أكثر أكاديمية من لغتهم الخاصة، إلا أن الرسالة الجوهرية بدت دقيقة وقدمت "تفسيرات أكثر وضوحاً" لعاداتهم.
3.3 التسلسل الهرمي الدلالي والتجريد
الدلالات الداخلية: زاد تماسك الموضوع من 0.436 (L1) إلى 0.626 (L4)، مما يشير إلى أن الطبقات العليا تشكل وحدات موضوعية أكثر تماسكاً وقابلية للتفسير.
الترسيخ الخارجي: لوحظت علاقة عكسية واضحة بين التماسك الدلالي والتداخل المعجمي. انخفض تشابه جاکارد من 0.114 (L1) إلى 0.007 (L4). يؤكد هذا أن النموذج نجح في إجراء التجريد الدلالي بدلاً من مجرد التلخيص الاستخراجي، حيث انتقل من استخراج الأحداث المباشرة إلى التمثيل المفاهيمي.
البنية: اتبع توزيع العقد نمطاً هرمياً (نسبة تقارب 4:1 بين L1 وL4)، وأظهرت كثافة الاتصالات بين الطبقات أن عقد الطبقات العليا مدعومة بعدة ملاحظات من الطبقات الدنيا (متوسط درجة الداخل ~3.06).
4. المساهمات الرئيسية
التوأم المعرفي القابل للتفسير: يقدم المقال PTM كـ "توأم معرفي" ينمذج التفكير الداخلي للمتعلم، وتخطيطه، ودوافعه، وليس فقط بياناته الفيزيائية أو أدائه. إنه يعمل كتمثيل هرمي قابل للتحقق لعمليات التعلم.
البنية الهرمية: يقوم بعملية تشغيل تصنيف مارزانو في مسار حوسبي ينجح في الانتقال من البيانات السلوكية الذرية إلى قيم النظام الذاتي المجردة.
التحقق من التجريد: تقدم الدراسة دليلاً تجريبياً على أن النماذج المعرفية المولدة بالذكاء الاصطناعي يمكن أن تحقق تسلسلاً هرمياً دلالياً صالحاً، حيث تصبح الطبقات العليا أكثر تماسكاً وأقل اعتماداً على مفردات المصدر دون فقدان الصلة المدركة من قبل المستخدمين.
ديناميكيات HITL: توضح الدراسة أنه بينما يحسن تنقيح HITL دقة النموذج (خاصة من خلال تقليل الهلوسة)، فإن فعاليته تعتمد على عمق وتعقيد ملاحظات المستخدم.
5. الآثار والادعاءات
يدعي المقال أن PTM يعالج بنجاح مشكلة "الصندوق الأسود" في الذكاء الاصطناعي التعليمي من خلال توفير تمثيل قابل للتحقق والتفسير لتفكير المتعلم. تشير النتائج إلى أن:
تحقيق الدقة ممكن: يمكن للذكاء الاصطوي بناء نماذج تفكير شخصية بدقة واقعية مقبولة (F1 > 75%) من بيانات اليوميات غير المهيكلة.
التجريد صالح: نجح النموذج في تجريد بيانات المستخدم إلى مفاهيم معرفية ونظم ذاتية من رتب عليا، وهو ما يثبته زيادة التماسك وانخفاض التداخل المعجمي.
بناء ثقة المستخدم: يرى المتعلمون هذه الملفات الشخصية المُخلّقة كإنعكاسات دقيقة لتفكيرهم، حتى عندما تكون اللغة أكثر رسمية من لغتهم.
أساس للتعلم مدى الحياة: من خلال العمل كقرين رقمي مستمر يتكيف باستمرار، يضع PTM الأساس لـ "التعلم مدى الحياة" — وهو نهج منهجي لالتقاط وتخليد الحكمة البشرية من خلال المستودعات الرقمية، وتجاوز الحدود الطبيعية لتبادل المعرفة البشرية.
يتبنى المؤلفون موقفاً متواضعاً ويقرون بالقيود، مثل التركيبة السكانية المتجانسة للدراسة (طلاب تكنولوجيا المعلومات الإندونيسيين) والمدة القصيرة للدراسة، والتي قد لا ترصد التحولات طويلة المدى في معتقدات النظام الذاتي. ويخلصون إلى أنه بينما يعد PTM أساساً قوياً للدعم الشخصي، يجب أن تعالج الأعمال المستقبلية تصميم الواجهة لدعم تنقيح المستخدم للمفاهيم المجردة والتحقق من النموذج عبر مجموعات سكانية متنوعة.