What Really Drives Teachers to Learn? Insights from an Explainable Machine Learning Approach
تستخدم هذه الدراسة تعلم الآلة القابل للتفسير (XGBoost) على بيانات استقصائية من 472 معلماً ومعلمة صينيين للكشف عن أن القيادة المدرسية والمفاهيم التعلمية هي المحركات الأساسية لدوافع التعلم المهني، مع الكشف أيضاً عن كيفية تأثير عوامل مثل الخبرة التدريسية وضغط العمل بشكل متفاوت على هذه المحركات عبر المجموعات الفرعية.
تُعد المدارس أنظمة بيئية معقدة، حيث تبرز جودة التدريس كأهم عامل منفرد في مدى نجاح الطلاب في التعلم. ولكي تتحسن المدرسة، يجب على معلميها الاستمرار في التعلم بأنفسهم، ومع ذلك، غالبًا ما تتعثر هذه العملية. ينظر العديد من التربويين إلى التدريب المهني باعتباره مجرد إجراء بيروقراطي روتيني بدلاً من كونه فرصة حقيقية للنمو، مدفوعين بقواعد خارجية بدلاً من الفضول الشخصي. ولفهم ما يثير حقًا الرغبة في التعلم، اعتمد الباحثون لفترة طويلة على إطار عمل يُسمى "نظرية تقرير المصير". يشير هذا المفهوم إلى أن الناس يكونون أكثر تحفيزًا عندما يشعرون بامتلاك السيطرة على أفعالهم، ويؤمنون بقدرتهم على النجاح، ويشعرون بالارتباط بالآخرين. وبينما نعلم أن هذه المشاعر مهمة، فإن العلاقة بين بيئة المعلم ودوافعه الداخلية نادراً ما تكون خطاً مستقيماً؛ بل هي شبكة متشابكة من التأثيرات التي تجد الأساليب التقليدية صعوبة في فك رموزها.
قرر فريق من الباحثين من جامعة تشجيانغ للاقتصاد والتمويل النظر إلى هذه المشكلة من منظور مختلف، باستخدام نوع قوي من التحليل الحاسوبي يُعرف باسم "تعلم الآلة القابل للتفسير". وبدلاً من افتراض أن عوامل مثل القيادة أو عبء العمل تؤثر على الجميع بنفس الطالب البسيطة، قاموا بتغذية خوارزمية ببيانات استقصائية من 472 معلماً في الصين، وهي خوارذية قادرة على اكتشاف الأنماط غير الخطية الخفية. لم يكن الهدف هو إثبات علاقة السبب والنتيجة، بل رسم خارطة توضح أي العوامل كانت أقوى المتنبئات برغبة المعلم في الانخراط في التعلم المهني بشروطه الخاصة. وقد حدد النموذج الحاسوبي الذي اختاروه، والذي يتفوق في إيجاد الروابط المعقدة في البيانات، محركين رئيسيين برزا فوق غيرهما: أسلوب القيادة في المدرسة، ومعتقدات المعلم الخاصة حول كيفية سير عملية التعلم.
وكشف التحليل أن نهج المدير كان العامل الأكثر تأثيراً في النموذج بأكمله. فعندما يدرك المعلمون أن قادتهم داعمون وذوو رؤية، تزداد دافعيتهم للتعلم بشكل ملحوظ. وتتوافق هذه النتيجة مع فكرة أن القائد الذي يعزز ثقافة تعاونية يساعد المعلمين على الشعور بالملكية والارتباط. ومع ذلك، سلطت الدراسة الضوء أيضاً على أن العقلية الداخلية للمعلم كانت بالغة الأهمية بنفس القدر. وتحديداً، أولئك الذين نظروا إلى التعلم كعملية نمو ديناميكية، بدلاً من مجرد حفظ الحقائق لتلبية معيار ما، كانوا أكثر عرضة للتحفيز الذاتي. ووجد الباحثون أن هذين العنصرين — البيئة الخارجية التي تخلقها القيادة ونظام المعتقدات الداخلي للمعلم — يعملان معاً للتنبؤ بمن سينخرط بعمق في تطوير ذاته.
وما يجعل هذه الدراسة ثاقبة بشكل خاص هو كيف أظهرت أن هذه المحركات تتغير اعتماداً على الموقف. فقد قام الباحثون بتقسيم البيانات لمعرفة ما إذا كانت القواعد تختلف بالنسبة للمعلمين في سياقات مختلفة. واكتشفوا أنه في المدارس ذات القيادة القوية والتحويلية، كانت سنوات خبرة المعلم أقل أهمية لدافعيتهم. ففي هذه البيئات الداعمة، بدا كل من المعلمين الجدد والمخضرمين متلهفين للتعلم على حد سواء، مما يشير إلى أن القيادة الجيدة قد تساهم في تسوية أرض الملعب. وعلى العكس من ذلك، في المدارس ذات القيادة الأكثر تحفظاً، لعبت الخبرة دوراً أكبر في التنبؤ بالدافعية، ربما لأن المعلمين القدامى كان عليهم الاعتماد أكثر على مواردهم المتراكمة للبقاء متفاعلين.
كما كشفت الدراسة عن تحول صارخ فيما كان يمثل الأهمية القصوى عندما يواجه المعلمون مستويات عالية من ضغط العمل. فعندما يكون عبء العمل ثقيلاً، تصبح الدعومات الاجتماعية المعتادة، مثل التشجيع من المدير أو المساعدة من الزملاء، أقل قدرة على التنبؤ بدافعية المعلم. وفي لحظات الضغط العالي هذه، أظهر نموذج الحاسوب أن شعور المعلم بالاستقلالية وثقته في قدرته على إدارة الطلاب كانا هما العاملين المهيمنين. ويشير هذا إلى أنه عندما يشتد الضغط، قد يعتمد المعلمون أقل على التحقق الخارجي وأكثر على شعورهم بالسيطرة والكفاءة للاستمرار. ويحذر الباحثون من أن هذه هي أنماط لوحظت في البيانات، وليست دليلاً على أن شيئاً ما يسبب الآخر، لكنها تقدم خارطة طريق واضحة للمكان الذي يجب البحث فيه.
في النهاية، تشير الدراسة إلى أنه لكي يتم دفع المعلمين حقاً للتعلم، لا يمكن للمدارس ببساطة فرض المزيد من التدريب. وتوجه النتائج نحو نهج مزدوج: تعزيز القيادة التي تدعم الاستقلالية والارتباط، مع مساعدة المعلمين في الوقت نفسه على إعادة تشكيل معتقداتهم الخاصة حول معنى التعلم. وتشير البيانات إلى أنه عندما يشعر المعلمون بأن لديهم سيطرة على عملهم ويؤمنون بقيمة نموهم، فمن المرجح أن يسعوا إليه طواعية. هذا ليس حلاً سحرياً، بل هو نمط تنبؤي يقدم طريقة جديدة لفهم الآلية المعقدة لتحسين المدارس، موضحاً أن أقوى أدوات التغيير غالباً ما توجد في التفاعل الهادئ بين البيئة الداعمة وعقلية المعلم.
ملخص تقني: ما الذي يدفع المعلمين حقاً للتعلم؟ رؤى من نهج تعلم آلي قابل للتفسير
بيان المشكلة يعد التعلم المهني للمعلمين ركيزة أساسية لفعالية المدارس، ومع ذلك، توجد "فجوة تحفيزية" مستمرة حيث يرى العديد من المعلمين التطوير المهني المستمر (CPD) كمتطلب بيروقراطي بدلاً من كونه سعياً ذاتياً. وبينما يوفر نظرية تقرير المصير (SDT) إطاراً قولاً لفهم التحفيز من خلال عدسات الاستقلالية، والكفاءة، والارتباط، إلا أن الأبحاث الحالية تعتمد بشكل كبير على النماذج الإحصائية الخطية (مثل الانحدار المتعدد، ونمذجة المعادلات الهيكلية). تفترض هذه الأساليب التقليدية وجود علاقات خطية وتفشل غالباً في التقاط التفاعلات غير الخطية المعقدة والاعتمادات عالية الأبعاد المتأصلة في التحفيز البشري. فعلى سبيل المثال، قد تعمل عوامل مثل ضغط العمل كتحديات إيجابية حتى حد معين قبل أن تتحول إلى عوائق، وهو فارق دقيق غالباً ما تغفله النماذج الخطية. تعالج هذه الدراسة الفجوة المنهجية من خلال تطبيق التعلم الآلي القابل للتفسير للكشف عن الأنماط التنبؤية غير الخطية في تحفيز المعلمين.
المنهجية استخدمت الدراسة مجموعة بيانات استقصائية مستعرضة تضم 472 حالة صالحة من معلمي المدارس في مقاطعات شنغهاي، وتشجيانغ، وشاندونغ، وجيانغسو في الصين. تم جمع البيانات بين عامي 2024 و2025.
المتغيرات: تضمن النموذج متغيرات مستندة إلى نظرية تقرير المصير (SDT) وأبحاث فعالية المدارس، بما في ذلك:
العوامل الشخصية: الخبرة التدريسية، والبيانات الديموغرافية (الجنس، العمر، المادة، الصف الدراسي)، والكفاءة الذاتية (تفاعل الطلاب، استراتيجيات التدريس، إدارة الفصل الدراسي)، ومفاهيم التعلم (المعتقدات حول تعلم الطلاب والتعلم الذاتي فيما يتعلق بالتنظيم، وبناء المعرفة، والتعلم الاجتماعي مقابل الفردي، وثبات القدرة، وتحمل عدم اليقين).
الظروف الوظيفية: القيادة التحويلية، استقلالية المهام، دعم الزملاء، ضغط العمل (الكثافة الكمية)، والضغط العاطفي (الإجهاد النفسي).
النتيجة: التحفيز الذاتي للتطوير المهني المستمر، والذي تم قياسه عبر "مقياس تحفيز المعلم" وتقسيمه ثنائياً باستخدام وسيط العينة لمهام التصنيف.
نهج التعلم الآلي: استخدم الباحثون استراتيجية نمذجة مقارنة، حيث تمت مقارنة سبعة مصنفات (SVM، MLP، أشجار القرار، الغابة العشوائية، CatBoost، LightGBM، وXGBoost) باستخدام التحقق المتقاطع ذي الـ 10 طيات.
القابلية للتفسير: تم اختيار XGBoost كأفضل نموذج بناءً على الأداء. ولتفسير "الصندوق الأسود"، طبقت الدراسة إطار عمل قيم شابلي الإضافية (SHAP). سمح ذلك بقياس أهمية الميزات العالمية (قيم SHAP المطلقة المتوسطة) وتصور التبعيات المحلية وعدم التجانس من خلال مخططات "النحل والسبور" (bee-swarm) ومخططات التبعية.
تحليل المجموعات الفرعية: قامت الدراسة أيضاً بتصنيف البيانات لفحص عدم التجانس بناءً على أساليب القيادة (المحافظة مقابل التحويلية) ومستويات ضغط العمل (منخفض مقابل مرتفع)، مع تدريب نماذج XGBoost منفصلة لكل مجموعة فرعية لمقارنة مساهمات الميزات.
النتائج الرئيسية
أداء النموذج: أظهر XGBoost أقوى أداء تنبؤي بين النماذج المقارنة، محققاً مساحة تحت المنحنى (AUC) بلغت 0.851 ودرجة F1-score بلغت 0.84. دعمت نماذج التجميع القائمة على الأشجار بشكل عام البدائل الخطية والنموذج الشجري الواحد، مما يدعم الفرضية القائلة بأن تحفيز المعلمين يتضمن أنماطاً تفاعلية وغير خطية.
أهمية الميزات العالمية: كشف تحليل SHAP أن القيادة المدرسية كانت المتنبئ الأكثر تأثيراً، حيث ساهمت بنسبة 25.44% من القوة التنبؤية الإجمالية للنموذج. ومن بين العوامل الداخلية، كانت مفاهيم التعلم ذات أهمية عالية، وتحديداً "التعلم الفردي أو الاجتماعي" (SL_LS، بنسبة 10.78%) و"القدرة الثابتة أو الديناميكية" (TL_AF، بنسبة 7.33%). كما قدم ضغط العمل واستقلالية المهام مساهمات ملحوظة، بينما كانت المتغيرات الديموغرافية مثل الجنس والخبرة التدريسية ذات مساهمات تنبؤية ضئيلة نسبياً في النموذج الإجمالي.
عدم التجانس حسب أسلوب القيادة:
في مجموعة القيادة التحويلية الفرعية، كانت المساهمة التنبؤية للخبرة التدريسية أقل (2.62%) مقارنة بمجموعة القيادة المحافظة (4.80%).
تحت القيادة التحويلية، أصبحت مفاهيم التعلم المتعلقة بالقيمة العاطفية للتعلم (TL_AF) والتعلم الاجتماعي (SL_LS) أكثر بروزاً.
أظهر ضغط العمل ودعم الزملاء مساهمات تنبؤية أعلى في سياق القيادة التحويلية، مما يشير إلى أنه في البيئات الداعمة، تكون هذه العوامل مرتبطة ارتباطاً وثيقاً بالتحفيز.
عدم التجانس حسب ضغط العمل:
تحت ضغط العمل المرتفع، انخفضت المساهمات التنبؤية للموارد الاجتماعية الخارجية (القيادة ودعم الزملاء) بشكل كبير.
وعلى العكس من ذلك، أصبحت استقلالية المهام والكفاءة الذاتية (تحديداً في تفاعل الطلاب وإدارة الفصل الدراسي) من المتنبئات الأكثر بروزاً في ظروف الضغط العالي. يشير هذا إلى أنه تحت الضغط، قد تفوق الموارد الداخلية والتقدير المهني الموارد الاجتماعية الخارجية في التنبؤ بالتحفيز الذاتي.
الأهمية والادعاءات تضع الورقة نتائجها كـ أدلة تنبؤية استكشافية وليس كإثبات سببي. صرح المؤلفون صراحةً بأن الدراسة تحدد "أنماطاً تنبؤية" يمكن أن تخدم الأبحاث السببية والطولية المستقبلية، لكنها لا تقدم دليلاً على التأثيرات السببية نظراً لطبيعتها المستعرضة والقائمة على النمذجة.
تكمن المساهمة الأساسية للدراسة في تطبيقها المنهجي للتعلم الآلي القابل للتفسير (XGBoost + SHAP) في مجال فعالية المدارس. فمن خلال تجاوز مجرد سرد المتغيرات الساكنة، تكشف الدراسة عن التفاعل المعقد بين الحالات النفسية الداخلية والبيئات المؤسسية الخارجية. ويدعي المؤلفون أن نهجهم نجح في الكشف عن الدوافع غير الخطية والاعتمادات الشرطية التي قد تغفلها النماذج الخطية التقلية.
عملياً، تشير النتائج إلى أن استراتيجيات تحسين المدارس يجب أن تكون متمايزة بناءً على السياق:
القيادة والمعتقدات: يجب أن يدمج التطوير المهني دعم القيادة مع الأنشطة التي تعزز استراتيجيات التعلم لدى المعلمين والمعنى المدرك للتطوير المهني المستمر.
الفوارق السياقية: قد يكون دور الخبرة التدريسية في التحفيز أقل بروزاً في المدارس التي تتمتع بقيادة تحويلية قوية.
إدارة الضغط: خلال فترات ضغط العمل العالي، يجب على قادة المدارس إعطاء الأولوية لحماية استقلالية المعلمين وكفاءتهم بدلاً من زيادة الإشراف أو التعاون، حيث قد ينخفض الدور التحفيزي لهذين الأخيرين تحت وطأة الإجهاد.
يختتم المؤلفون بتواضع، مشيرين إلى أن هذه الآثار هي "فرضيات ذات صلة بالممارسة" مستمدة من النمذجة التنبؤية، والتي تتطلب دراسات تدخلية وطولية مستقبلية للتحقق من الآليات السببية وإمكانية التعميم عبر السياقات الثقافية والمؤسسية المختلفة.