Multimodal examination answer data with expert-designed Outcome-Based Education rubrics for criterion-level assessment
تقدم هذه الورقة مجموعة بيانات متعددة الوسائط تضم 485 إجابة امتحانية ممسوحة ضوئيًا من 415 طالبًا عبر أربع مؤسسات، مقترنة بمعايير تقييم مصممة من قبل خبراء وفق منهج التعليم القائم على المخرجات ومع بيانات وصفية شاملة لدعم الأبحاث في التقييم الآلي، وفهم المستندات متعددة الوسائط، والتقييم المراعي للخصوصية.
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
في عالم التعليم، غالبًا ما تكون الدرجة النهائية في الاختبار مجرد رقم، درجة واحدة تلخص أسابيع من التعلم. ولكن وراء هذا الرقم تكمن عملية معقدة حيث يقرأ المعلم خط يد الطالب، ويفسر رسمًا تخطيطيًا، ويدقق في عملية حسابية، ويقرر مدى فهم فكرة معينة. تُعرف هذه العملية بالتقييم القائم على المخرجات (outcome-based assessment)، وهي طريقة لا يقتصر تركيزها على الحصول على الإجابة الصحيحة فحسب، بل على إظهار مهارات ومعارف محددة في الخطوات المتبعة. لعقود من الزمن، عانت الحواسيب في فهم هذا الجانب البشري من التصحيح؛ فهي ممتازة في قراءة النصوص المطبوعة، لكنها غالبًا ما تتعثر عندما تواجه الواقع الفوضوي لورقة امتحان مكتوبة بخط اليد مليئة بالكلمات المشطوبة، والرسومات المرتجلة، والمعادلات المكتوبة في الهوامش. ولتعليم الكمبيوتر كيفية التصحيح مثل البشر، يحتاج الباحثون إلى مكتبة ضخمة من الأمثلة الحقيقية، مقترنة بالملاحظات التفصيلية التي يستخدمها المعلمون لتحديد الدرجة. وبدون ذلك، يظل الذكاء الاصطناعي أعمى عن الفروق الدقيقة في كيفية إظهار الطلاب لما يعرفونه.
لقد قام فريق من الباحثين في جامعة بنغلاديش لعلوم وتكنولوجيا الجيش ببناء هذا النوع من المكتبات بالضبط. فقد أنشأوا مجموعة جديدة تضم 485 ورقة امتحانية ممسوحة ضوئيًا، جُمعت من 415 طالبًا من أربع مؤسسات مختلفة. هذه ليست مجرد ملفات نصية بسيطة؛ بل هي صور رقمية لأوراق امتحانات حقيقية، كاملة بخط اليد الأصلي، والرسوم التخطيطية المطبوعة، والجداول، والأكواد البرمجية. وما يجعل هذه المجموعة فريدة هو أن كل صفحة ممسوحة ضوئيًا مرتبطة بسجل رقمي مفصل يشرح بالضبط كيف قام خبير بشري بتصحيحها. يتضمن هذا السجل السؤال الأصلي، وإجابة نموذجية، ومجموعة محددة من القواعد تسمى "الروبريك" (rubric) أو معايير التقييم. يقوم "الروبريك" بتفكيك السؤال إلى أجزاء أصغر، مثل "فهم المفهوم" أو "وضوح العرض"، ويخصص درجة لكل جزء بناءً على مدى أداء الطالب. وهذا يسمح للبيانات بأن توضح ليس فقط أن الطالب حصل على 11 من 15 نقطة، بل توضح بالضبط أي أجزاء من إجابته استحق عليها تلك النقاط وأي أجزاء كانت مفقودة.
جمع الباحثون هذه المواد من ثمانية أعضاء هيئة تدريس مختلفين درسوا تسعة موضوعات متميزة، تتراوح بين مواضيع علوم الحاسوب مثل تعلم الآلة والخوارزميات إلى مجالات أكثر تخصصًا مثل علوم الأسماك والتجارة الإلكترونية. تغطي المجموعة 12 نوعًا مختلفًا من الأسئلة، والتي تحتوي معًا على 47 معيارًا محددًا للتقييم. ولضمان فائدة البيانات لتدريب الحواسيب على التعامل مع الظروف الواقعية، لم يكتفِ الفريق بمسح الأوراق بطريقة مثالية ومنتظمة؛ بل استخدموا مزيجًا من تطبيقات الهاتف المحمول والماسحات الضوئية التقليدية المسطحة. وهذا يعني أن الصور في المجموعة تختلف في السطوع، والتباين، والزاوية، تمامًا كما هي الوثائق الحقيقية في الفصل الدراسي. بعض الصفحات مائلة قليلاً، وبعضها يحتوي على ظلال، وأخرى مضغوطة بشكل مختلف. كما يتنوع عمل الطلاب بشكل كبير؛ فبعض الأوراق مرتبة، بينما تحتوي أخرى على أخطاء مشطوبة، وتصحيحات مدرجة، وأسهم تشير إلى تفاصيل محددة. كان هذا التنوع متعمدًا، بهدف مساعدة الباحثين على بناء أنظمة يمكنها قراءة وفهم المستندات حتى عندما تكون فوضوية أو غير مثالية.
إن جوهر هذا العمل يكمن في بنية البيانات نفسها. فلكل ملف PDF ممسوح ضوئيًا، يوجد ملف رقمي مقابل يعمل كخريطة. تربط هذه الخريطة الصورة بالسؤال المطروح، والإجابة الصحيحة، وقائمة بالمعايير المحددة التي استخدمها المعلم لتصحيحها. ولكل معيار، تسجل الخريطة عدد النقاط التي حصل عليها الطالب وتصف ما يبدو عليه الأداء المثالي، أو الجيد، أو المتوسط، أو الضعيف لهذا الجزء المحدد من السؤال. هذا المستوى من التفصيل أمر بالغ الأهمية لأنه يتجاوز مجرد الدرجة الكلية؛ فهو يسمح للباحثين بتدريب الحواسيب على تحديد الأجزاء الصحيحة والخاطئة من الإجابة المكتوبة بخط اليد بدقة، بدلاً من مجرد التخمين للوصة النهائية. لقد أمضى الفريق وقتًا طويلاً في تنظيف وتنظيم هذه البيانات؛ حيث تحققوا من كل درجة للتأكد من صحة العمليات الحسابية، ووحدوا أسماء المواد الدراسية، واستبدلوا جميع أسماء الطلاب ومعرفاتهم برموز عشوائية لحماية الخصوصية. كما تأكدوا من مطابقة كل اسم ملف لصورته الصحيحة، مما خلق مجموعة بيانات آمنة وموثوقة.
هذه المجموعة متاحة الآن للباحثين الآخرين لاستخدامها، ولكن ضمن قواعد صارمة لحماية الطلاب المعنيين. ونظرًا لأن الصور لا تزال تحتوي على خط اليد الأصلي وأحيانًا أسماء أو شعارات مرئية، فإن البيانات ليست مفتوحة للجمهور؛ بل هي مخصصة للمشاريع البحثية المعتمدة التي تهدف إلى تحسين كيفية فهم الحواسيب للمستندات والتقييمات. ويؤكد الباحثون أن هذه البيانات هي أداة للدراسة، وليست نظامًا لتقييم الطلاب الحقيقيين. فالدرجات في هذه المجموعة تم تعيينها من قبل معلمين بشريين لفصولهم الدراسية الخاصة، والمجموعة تهدف إلى المساعدة في بناء أدوات أفضل للمستقبل، وليس لتحديد درجات الطلاب الفعلية اليوم. ومن خلال توفير مجموعة كبيرة ومتنوعة ومصنفة بعناية من أوراق الامتحانات الحقيقية، يقدم هذا العمل أساسًا متينًا للجيل القادم من التكنولوجيا التعليمية، مما يساعد في سد الفجوة بين الحكم البشري والفهم الآلي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.