Interaction Effects Between Learner Characteristics and Dialogue Format in TTS Dialogue-Based Lessons
تكشف هذه الدراسة التي أجريت على ٢٢٢ طالباً في المرحلة الثانوية أن خصائص المتعلمين، وتحديداً أساليب التعلم التجريبي واستعدادات التفكير النقدي، تتفاعل بشكل كبير مع صيغ الحوار (معلم-طالب، طالب-طالب، ومعلم-معلم) للتأثير على الدافعية ومخرجات التعلم في الدروس القائمة على تقنية تحويل النص إلى كلام (TTS)، مما يشير إلى أن الاختيار المخصص لصيغة الحوار يعد مفيداً رغم الطبيعة الأولية لأحجام التأثير الصغيرة إلى المتوسطة.
في المشهد التعليمي سريع التطور، برز سؤال جديد: هل تهم طريقة تقديم الدرس بقدر أهمية الدرس نفسه؟ لعقود من الزمن، أدرك التربويون أن الطلاب يتعلمون بطرق مختلفة؛ فبعضهم يزدهر عندما يمكنهم لمس المفاهيم ورؤيتها وتجربتها مباشرة، بينما يفضل آخرون التراجع خطوة إلى الوراء، والتأمل، وتنظيم الأفكق قبل البدء في التنفيذ. ويُعرف هذا الاختلاف في كيفية معالجة الناس للخبرة بأسلوب التعلم التجريبي. وفي الوقت نفسه، جعل صعود الذكاء الاصطناعي من الممكن إنشاء فيديوهات تعليمية تقوم فيها الحواسيب بكتابة النصوص والأصوات، مما يسمح بتنوع في أساليب الحوار التي كانت في السابق مكلفة للغاية أو صعبة الإنتاج. واللغز المركزي الذي يواجه الباحثين هو ما إذا كانت هذه التنسيقات الجديدة المولدة حاسوبياً تعمل بشكل جيد للجميع، أم أن أسلوباً معيناً من الحوار قد يثير الاهتمام والفهم لدى البعض بينما يترك الآخرين خلف الركب.
وضع فريق من الباحثين هدفاً لحل هذا اللغز من خلال اختبار ردود فعل طلاب المدارس الثانوية تجاه ثلاثة أنواع مختلفة من الدروس المولدة حاسوبياً. فقد أنشأوا فيديوهات باستخدام نماذج لغوية متقدمة لكتابة النصوص وتقنية تحويل النص إلى كلام لتوفير الأصوات. تميز التنسيق الأول بوجود معلم تقليدي يشرح المفاهيم لطالب. وأظهر الثاني طالبين يتحدثان مع بعضهما البعض، ويتشاركان ما يعرفانه. أما التنسيق الثالث فكان فريداً من نوعه: خبيران، أو "معلمان"، يتناقشان حول الموضوع فيما بينهما، دون وجود شخصية طالب لطرح الأسئلة. غطت هذه الدروس مواضيع في علم البيانات، وشاهدها 222 طالباً في السنة الأولى من المرحلة الثانوية. وبعد مشاهدة كل فيديو، أجاب الطلاب على أسئلة حول مدى شعورهم بالتحفيز، ومدى استيعابهم للمادة، ورأيهم العام في الدرس. كما قاس الباحثون أسلوب التعلم الطبيعي لكل طالب وميله للتفكير النقدي في المعلومات.
كشفت النتائج عن عدم تطابق مثير للاهتمام بين ما جعل الطلاب يشعرون بالحماس وما اعتبروه درساً جيداً. فعندما شاهد الطلاب الفيديو الذي يصور خبيرين يتحدثان مع بعضهما البعض، أفاد أولئك الذين يفضلون التجارب الملموسة والمباشرة بأنهم شعروا بتحفيز أكبر بكثير مما شعروا به في التنسيقات الأخرى. وبالنسبة لهؤلاء الطلاب، بدا سماع الخبراء وهم يتناظرون وينقحون الأفكار بمثابة مصدر مباشر للمعرفة أثار اهتمامهم. ومع ذلك، لم يكن هذا التنسيق نفسه فعالاً بنفس القدر للطلاب الذين يفضلون التأمل والوضع المفاهيمي قبل العمل؛ فبالنسب بالنسبة لهم، بدا الحوار بين الخبراء أقل جاذبية من درس المعلم والطالب التقليدي. وهذا يشير إلى أنه لا يوجد أسلوب واحد "أفضل" لتقديم درس مولد حاسوبياً؛ بل إن التنسيق الأكثر فعالية يعتمد على أسلوب التعلم الخاص بالمشاهد.
وعلى الرغم من الدفعة التي تلقاها التحفيز لدى بعض الطلاب، إلا أن تنسيق (الخبير إلى الخبير) حصل على تقييم إجمالي أقل من تنسيق (المعلم إلى الطالب) التقليدي. فقد وجد الطلاب أن محتوى حوار الخبراء كان أصعب في المتابعة، ولاحظوا أن الأصوات بدت جامدة أو غير طبيعية. ويرى الباحثون أنه بينما كان الحوار المعقد محفزاً للبعض، إلا أنه خلق عبئاً ذهنياً جعل الدرس يبدو صعب الاستيعاب. ومن المثير للاهتمام أن الطلاب الذين شاهدوا تنسيق المحادثة بين اثنين من الطلاب وجدوا أيضاً أن الأصوات غير طبيعية نوعاً ما، ربما لأن الأصوات الحاسوبية لم تتطابق تماماً مع النبرة العفوية لطالب في المرحلة الثانوية.
خلصت الدراسة إلى أنه بينما يمكن للذكاء الاصطناعي توليد محتوى تعليمي جذاب، يجب تصميم هذا المحتوى ليتناسب مع المتعلم. فإذا كان الطالب يتعلم بشكل أفضل من خلال التجربة المباشرة، فقد يكون الحوار بين الخبراء هو الخيار الأكثر تحفيزاً. وإذا كان الطالب يتعلم بشكل أفضل من خلال التأمل، فإن حوار المعلم والطالب أو الحوار بين الأقران سيكون على الأرجح أكثر فعالية. ويحذر الباحثون من أن هذه النتائج أولية، حيث أُجريت الدراسة في يوم واحد على مجموعة محددة من الطلاب، واستخدمت الدروس محتوى مختلفاً لكل تنسيق. ومع ذلك، فإن هذا العمل يوفر مساراً واضحاً نحو التعلم الشخصي: فمن خلال فهم كيفية معالجة الطالب للمعلومات، يمكن للتربويين ومصممي البرمجيات اختيار تنسيق الحوار الذي يحافظ على تفاعل هذا الطالب تحديداً ويجعله مستعداً للتعلم.
ملخص تقني: تأثيرات التفاعل بين خصائص المتعلم وتنسيق الحوار في الدروس القائمة على تقنية تحويل النص إلى كلام (TTS)
بيان المشكلة أدى التقدم السريع في النماذج اللغوية الكبيرة (LLMs) وتقنية تحويل النص إلى كلام (TTS) إلى تمكين توليد محتوى تعليمي قائم على الحوار بتكلفة منخفضة. ومع ذلك، فإن الأبحاث الحالية تقيم إلى حد كبير فعالية أسلوب حوار واحد أو تقارن المحتوى المولد بواسطة الذكاء الاصطناي مقابل المحاضرات المسجلة بشرياً دون مراعاة الفروق الفردية بين المتعلمين. تفترض النظرية التربوية، وتحديداً "تفاعل القدرة والعلاج" (ATI)، أن نتائج التعلم تتحدد من خلال الجمع بين خصائص المتعلم (القدرة) وطرق التدريس (العلاج). ورغم هذا الإطار النظري، هناك نقص في الأدلة التجريبية المتعلقة بكيفية تفاعل خصائص متعلم محددة مع تنسيقات الحوار المختلفة في الدروس المولدة بواسطة الذكاء الاصطناعي. تعالج هذه الدراسة هذه الفجوة من خلال فحص ما إذا كانت خصائص المتعلم — وتحديداً أسلوب التعلم التجريبي والتوجه نحو التفكير النقدي — تعدل فعالية تنسيقات حوار الـ TTS المختلفة (معلم-طالب، طالب-طالب، ومعلم-معلم) عبر جوانب التحفيز، ونتائج التعلم، والتقييم العام.
المنهجية استخدمت الدراسة تصميماً بنظام القياسات المتكررة على 222 طالباً في السنة الأولى من المرحلة الثانوية في اليابان. شاهد المشاركون ثلاثة تنسيقات دروس متميزة تم توليدها باستخدام النماذج اللغوية الكبيرة (Claude 3.5 Sonnet) وتقنية تحويل النص إلى كلام (Gemini TTS API)، تغطي مواضيع في علم البيانات:
معلم–طالب (TS): يشرح خبير المفاهيم بينما يطرح مبتدئ أسئلة (178 دورة حوارية).
طالب–طالب (SS): يتناقش زميلان حول المفاهيم من منظور مشترك (30 دورة حوارية).
معلم–معلم (TT): يتناقش خبيران حول معرفة متخصصة (37 دورة حوارية).
جمع البيانات والتحليل:
خصائص المتعلم: تم قياسها عبر مقياس أسلوب التعلم التجريبي (Kimura et al.) والذي أسفر عن عاملين: الخبرة الملموسة (CE) وعامل يدمج الملاحظة التأملية، والتصور المجرد، والتجريب النشط (RCE). كما تم قياس التوجه نحو التفكير النقدي باستخدام مقي scale "الموقف النقدي في الاستقصاء" (CT-I).
مقاييس النتائج: التحفيز القائم على نموذج ARCS (الانتباه، الصلة، الثقة، الرضا)، ونتائج التعلم المبلغ عنها ذاتياً، والتقييم العام.
التحليل الإحصائي: استُخدمت نماذج التأثيرات المختلطة الخطية (LMMs) لتحليل تأثيرات التفاعل بين خصائص المتعلم وتنسيق الحوار. عُوملت التقاطعات الخاصة بالمشاركين كآثار عشوائية، بينما عوملت تنسيقات الحوار، وخصائص المتعلم، وحدود التفاعل بينهما كآثار ثابتة. كما حُسبت أحجام التأثير (Cohen's f) للتفاعلات ذات الدلالة الإحصائية. وتم تحليل التعليقات ذات الاستجابة الحرة عبر الترميز النوعي مع التحقق البشوي (human-in-the-loop).
النتائج الرئيسية
التحفيز (ARCS):
الآثار الرئيسية: أظهر كل من تنسيقي SS وTT تحفيزاً أعلى بشكل ملحوظ مقارنة بتنسيق TS.
التفاعلات: وُجدت تفاعلات ذات دلالة إحصائية بين تنسيق الحوار وخصائص المتعلم.
عامل CE: كان التأثير الإيجابي لعامل CE على التحفيز أقوى بشكل ملحوظ في تنسيق TT مقارنة بتنسيق TS.
عامل RCE: كان التأثير الإيجابي لعامل RCE على التحفيز أضعف بشكل ملحوظ في تنسيق TT مقارنة بتنسيق TS.
أحجام التأثير: كانت تفاعلات التأثير ذات الدلالة الإحصائية صغيرة إلى متوسطة (CE×TT: f = .17؛ RCE×TT: f = .15).
نتائج التعلم:
لم تُوجد تفاعلات ذات دلالة إحصائية، رغم أن التفاعلات بين عامل RCE وكل من تنسيقي SS/TT، وبين عامل CE وتنسيق SS، أظهرت اتجاهات نحو الدلالة في نفس اتجاه نتائج التحفيز.
أظهر التوجه نحو التفكير النقدي أثراً رئيسياً إيجابياً ذا دلالة إحصائية على نتائج التعلم.
التقييم العام:
لم تُلاحظ أي تفاعلات ذات دلالة إحصائية بين خصائص المتعلم وتنسيق الحوار.
الأثر الرئيسي: حصل تنسيق TT على تقييم عام أقل بشكل ملحوظ من تنسيق TS، رغم توليده تحفيزاً أعلى. يشير هذا إلى وجود تباين حيث لم يترجم ارتفاع التحفيز إلى تقييم أكثر إيجابية للسهولة أو الرضا.
تنسيق SS: كان الانتقاد الأكثر شيوعاً هو "عدم طبيعية طريقة التحدث"، مما يشير إلى عدم توافق بين صوت الـ TTS والنبرة المتوقعة لطلاب المدارس الثانوية.
غموض الأدوار: تلقى كل من تنسيقي SS وTT تعليقات بشأن "عدم وضوح أدوار المتحدثين"، مما قد يزيد من الحمل المعرفي الخارجي.
المساهمات الرئيسية
الأدلة التجريبية: توفر أول فحص تجريبي للتفاعل بين خصائص المتعلم (أسلوب التعلم التجريبي والتوجه نحو التفكير النقدي) وتنسيقات الحوار المتعددة في الدروس المولدة بواسطة LLM/TTS.
التطبيق النظري: تطبيق إطار ATI على المحتوى التعليمي المولد بالذكاء الاصطناعي، وإثبات أن "الملاءمة" بين قدرة المتعلم وتنسيق الدرس تؤثر على التحفيز.
إرشادات التصميم: تقدم رؤى عملية لتخصيص التعليم المولد بالذكاء الاصطناعي، مما يقترح ضرورة تخصيص اختيار التنسيق وفقاً لخصائص المتعلم (على سبيل المثال، إعطاء الأولوية لـ TT للمتعلمين ذوي الـ CE العالي، وTS/SS للمتعلمين ذوي الـ RCE العالي).
الأهمية والادعاءات يزعم المؤلفون أن هذه النتائج توفر أدلة أولية لتصميم أنظمة تعلم مخصصة باستخدام الذكاء الاصطناعي. وتشير الدراسة إلى أن نهج "مقاس واحد يناسب الجميع" لتنسيق الحوار هو نهج غير مثالي؛ وبدلاً من ذلك، فإن اختيار التنسيقات بناءً على خصائص المتعلم يمكن أن يعزز التحفيز. وتحديداً، يبدو تنسيق TT مفيداً للمتعلمين ذوي التوجه نحو الخبرة الملموسة (CE) ولكنه أقل ملاءمة لأولئك ذوي توجه RCE فيما يتعلق بالتحفيز.
ومع ذلك، تحافظ الورقة صراحةً على نبرة متواضعة فيما يتعلق بادعاءاتها. ويؤكد المؤلفون على أن:
أحجام التأثير للتفاعلات ذات الدلالة الإحصائية هي صغيرة إلى متوسطة.
يجب اعتبار النتائج أدلة أولية وليست إثباتاً قاطعاً لتصميم التعلم المخصص.
التباين بين التحفيز العالي والتقييم العام المنخفض لتنسيق TT يسلط الضوء على أن التحفيز لا يضمن سهولة الفهم المتصورة أو الرضا.
القيود مثل استخدام نتائج التعلم المبلغ عنها ذاتياً، وعدم وجود موازنة للمحتوى والترتيب، والاكتفاء بجلسة واحدة ومدرسة واحدة، تقيد تعميم النتائج. ويتطلب العمل المستقبلي التحقق من هذه التفاعلات باستخدام اختبارات موضوعية وعبر مجموعات سكانية متنوعة.