Generative AI and interrupted peripheral participation:
evidence of structural closure from Stack Exchange
تُظهر هذه الدراسة أن صعود الذكاء الاصطناعي التوليدي يقاطع المشاركة الطرفية المشروعة في مجتمعات المعرفة عبر الإنترنت من خلال استبدال التفاعلات الروتينية، مما يؤدي إلى انغلاق هيكلي يتميز بزيادة التجزؤ وانخفاض حاد في استبقاء الوافدين الجدد، لا سي_ما داخل المجالات الخوارزمية التي تتميز بقابلية عالية للترميز الإجرائي.
تخيل الإنترنت كمدينة ضخمة وصاخبة من المعرفة. في هذه المدينة، توجد أحياء خاصة تسمى "المجتمعات عبر الإنترنت" حيث يتجمع الناس لطرح الأسئلة ومشاركة الإجابات. لعقود من الزمن، درس علماء الاجتماع كيفية نمو هذه الأحياء، واستخدموا مفهومًا يسمى "المشاركة الطرفية المشروعة" (Legitimate Peripheral Participation)، وهي طريقة معقدة لقول: "يبدأ المبتدئون من الأطراف، بطرح أسئلة بسيطة، ومن خلال التسكع والدردشة مع المنتظمين، يتعلمون القواعد ببطء ويصبحون أعضاءً كاملين في النادي". الأمر يشبه طفلًا جديدًا في المدرسة يبدأ بسؤال: "أين الحمام؟" وفي النهاية يصبح رئيس مجلس الطلبة لأنه كوّن صداقات وتعلم كيف تسير الأمور في المدرسة.
هناك فكرة رئيسية أخرى وهي "رأس المال الاجتماعي" (Social Capital)، وهو ببساطة "الغراء" الذي يربط المجتمع ببعضه البعض. هناك غراء "الترابط" (bonding) (الصداقات القوية بين المنتظمين الذين يعرفون بعضهم جيدًا) وغراء "التجسير" (bridging) (الروابط الضعيفة التي تربط المجموعات المختلفة ببعضها، مما يسمح بتدفق الأفكار الجديدة). السؤال الكبير الذي يسأله الباحثون الآن هو: ماذا يحدث عندما يظهر مساعد روبوت فائق الذكاء (الذكاء الاصطناعي التوليدي) ليجيب على كل تلك الأسئلة البسيطة مثل "أين الحمام؟" فورًا؟ هل يساعد الروبوت المجتمع على النمو، أم أنه يكسر بالخطأ العملية التي تسمح للناس الجدد بالانضمام لتصبح جزءًا من العائلة؟
تبحث هذه الورقة البحثية في ذلك بالضبط. نظر المؤلفون في سبعة مجتمعات مختلفة عبر الإنترنت (مثل منتديات البرمجة، والفيزياء، والطبخ، والسفر) على مدار عشر سنوات، من عام 2016 إلى 2025. لقد تعاملوا مع إطلاق برنامج دردشة آلي شهير في أواخر عام 2022 كأنه "صدمة" مفاجئة للنظام وراقبوا ما حدث بعد ذلك. أرادوا معرفة ما إذا كان الروبوت وقدرته على الإجابة على الأسئلة الروتينية قد منعت الناس الجدد من الانضمام، وما إذا كان قد غير الطريقة التي يتصل بها المجتمع.
إليكم ما وجدوه: لم يؤذِ الروبوت الجميع بالتساوي؛ بل عمل كمرشح انتقائي. في المجتمعات التي تكون فيها المعرفة "شبيهة بالكود" وسهلة التحقق (مثل البرمجة وعلوم البيانات)، تولى الروبوت المهام المتعلقة بالأسئلة البسيطة. ونتيما نتيجة لذلك، بدأ الجزء "الطرفي" من المجتمع — المبتدئون والأسئلة العابرة — في الاختفاء. انخفض عدد الأشخاص الجدد الذين استمروا لمدة عام واحد بنسبة تقارب النصف في مجموعات البرمجة هذه. كما انقطعت روابط "التجسير" (الروابط الضعيفة التي تربط المجموعات المختلفة)، مما جعل المجتمع أكثر عزلة ويصعب التنقل فيه. أما "الترابط" بين الأعضاء القدامى والخبراء فقد ظل قويًا، لكن مسار تدفق الأعضاء الجدد جفّ.
ومع ذلك، في المجتمعات القائمة على "الممارسة" (مثل الطبخ والسفر) أو الرياضيات "الرسمية" المعقدة (مثل الفيزياء والكيمياء)، لم يتسبب الروبوت في نفس الضرر الهيكلي. ورغم أن عدد الأشخاص الذين نشروا في هذه المجموعات قلّ أيضًا، إلا أن طريقة اتصالهم لم تتفكك. يشير المؤلفون إلى أن هذا يعود إلى أنه لا يمكنك مجرد نسخ ولصق وصفة طبخ مثالية أو برهان فيزيائي معقد من روبوت دون التحقق منه مقابل تجربة واقعية أو حكم بشري عميق. يمكن للروبوت أن يجيب على السؤال، لكنه لا يستطيع استبدال الفعل "الاجتماعي" للسؤال والحصول على رد بشري يعلمك كيف تنتمي للمكان.
تخلص الدراسة إلى أنه عندما يجيب الذكاء الاصطناعي على سؤال روتيني نيابة عنك، فإنك تحصل على الإجابة، لكنك تفقد "المصافحة الاجتماعية" التي تحول الغريب إلى عضو في المجتمع. في عالم البرمجة، أدى هذا إلى "انغلاق هيكلي"، حيث أصبح المجتمع ناديًا مغلقًا من الخبراء بدون دماء جديدة، واستغرق الأمر وقتًا أطول للحصول على الإجابات لأن شبكة المساعدين قد تقلصت. تشير الورقة إلى أنه بينما يعد الذكاء الاصطناعي رائعًا في تقديم الإجابات، فإنه قد يسرق دون قصد "تذاكر الدخول" التي تسمح للمجتمعات عبر الإنترنت بتجديد نفسها.
ثبت أن الذكاء الاصطناعي التوليدي (GenAI)، ولا سيما النماذج اللغوية الكبيرة (LLMs) مثل ChatGPT، يقلل من الحجم الإجمالي للأسئلة والأجوبة على منصات المعرفة عبر الإنترنت مثل Stack Exchange. ومع ذلك، تتعامل الأدبيات الحالية مع هذا الانخفاض كتقلص موحد في النشاط. تفترض هذه الدراسة أن التراجع ليس موحداً بل هو انتقائي، مدفوعاً باستبدال الاحتياجات المعلوماتية الروتينية والقابلة للترميز بواسطة النماذج اللغوية الكبيرة قبل دخولها إلى المجتمع.
تتمثل المشكلة الجوهرية في ما إذا كان هذا الاستبدال يعطل المشاركة المحيطية المشروعة (LPP) — وهي العملية التي ينخرط من خلالها القادمون الجدد في أنشطة منخفضة المخاطر للدخول والاندماج في مجتمع ما. إذا لبت النماذج اللغوية الكبيرة هذه الاحتياجات في مرحلة الدخول، فقد تتآكل الروابط الاجتماعية و"الجسور الضعيفة" التي تربط المحيط بالمركز، مما يؤدي إلى الانغلاق الهيكلي (ضعف رأس المال الجسري) بينما يظل الترابط في المركز سليماً. تبحث الدراسة فيما إذا كان هذا إعادة التنظيم الهيكلي يختلف عبر مجالات المعرفة بناءً على القابلية الإجرائية للترميز (القدرة على التعبير عن المعرفة ككود قابل للتنفيذ).
2. المنهجية
البيانات والعينة
المصدر: مستودع بيانات Stack Exchange الكامل (2016–2025).
المجتمعات: سبعة مجتمعات مصنفة حسب قابلية ترميز المعرفة:
الخوارزمية (قابلية ترميز إجرائية عالية): الذكاء الاصطناعي، علم البيانات (المعرفة معبر عنها ككود قابل للتنفيذ).
التخصصية (قابلية ترميز صورية عالية): الإحصاء، الفيزياء، الكيمياء (المعرفة معبر عنها باشتقاق رسمي/رياضي).
القائمة على الممارسة (قابلية ترميز منخفضة): الطبخ، السفر (المعرفة التي تعتمد على الحكم التجريبي الموقفي).
وحدة التحليل: 70 رسماً بيانياً للتفاعل غير موجه (عبر سنوات المجتمع) حيث المستخدمون هم العقد (الأسئلة/الأجوبة/التعليقات هي الحواف).
تصميم البحث
تستخدم الدراسة تصميم الفرق في الفروق (DiD)، حيث تعامل الإصدار العام لـ ChatGPT (30 نوفمبر 2022) كصدمة شبه تجريبية.
مجموعات المعالجة: الخوارزمية (تعرض عالٍ) والتخصصية (تعرض متوسط).
مجموعة الضبط: القائمة على الممارسة (تعرض منخفض).
النموذج: تأثيرات ثابتة ثنائية الاتجاه (TWFE) مع تأثيرات ثابتة للمجتمع والسنة لعزل التغيرات التفاضلية في الفترة ما بعد 2022.
المتانة: نظراً لصغر عدد المجموعات (N=7)، تستخدم الدراسة مجموعة متانة مكونة من خمس طبقات:
ديناميكيات المستخدمين: حصة السائلين لأول مرة، استبقاء القادمين الجدد لمدة عام واحد، استبقاء ذوي النشاط المنخفض، واستبقاء ذوي النشاط العالي.
3. النتائج الرئيسية
إعادة التنظيم الهيكلي (RQ1 & RQ2)
التأثير غير المتماثل: تسبب اضطراب الذكاء الاصطناعي التوليدي في إعادة تنظيم هيكلية كبيرة فقط في المجتمعات الخوارزمية.
زيادة رأس المال الترابطي: ارتففت المعيارية بشكل كبير (+0.085، p<0.01) في المجتمعات الخوارزمية، مما يشير إلى مجموعات فرعية أكثر تماسكاً وانعزالاً.
تآكل رأس المال الجسري: زاد متوسط طول المسار (+0.294، p<0.01) وتحول مؤشر E-I نحو هيمنة الترابط، مما يشير إلى انخفاض الاتصال بين المجموعات الفرعية.
استقرار المجتمعات التخصصية/القائمة على الممارسة: لم تظهر المجتمعات التخصصية أو القائمة على الممارسة أي تغييرات كبيرة في هذه المؤشرات الهيكلية الأساسية، رغم انخفاض الحجم.
تدرج الاستجابة للجرعة: اتبع التأثير تدرج القابلية للترميز الإجرائي (كثافة الكود)، وليس القابلية للترميز الصوري (كثافة الصيغ). كانت المجتمعات الخوارزمية (كثافة كود عالية) هي الأكثر تأثراً؛ أما المجتمعات التخصصية (كثافة صيغ عالية) فلم تكن مختلفة بشكل كبير عن مجموعة الضبط.
استبقاء المستخدمين والدخول (RQ2)
خروج محيطي انتقائي: في المجتمعات الخوارزمية، انخفض استبقاء القادمين الجدد لمدة عام واحد بنسبة تقارب النصف (من 11.5% إلى 6.0%، p<0.001).
استقرار النواة: ظل استبقاء الأعضاء ذوي النشاط العالي (النواة) مستقراً عبر جميع المجموعات.
الآلية: تركز الانخفاض بين الأعضاء ذوي النشاط المنخفض (المحيط). وهذا يدعم فرضية أن النماذج اللغوية الكبيرة تستبدل تفاعلات مرحلة الدخول، مما يمنع القادمين الجدد من تكوين الروابط الأولية اللازمة للاستبقاء.
العواقب الوظيفية والمحتوى (RQ3)
زيادة زمن الاستجابة: ارتبطت التغييرات الهيكلية (ارتفاع المعيارية، طول المسارات) بشكل كبير بزيادة زمن استجابة الأسئلة والأجوبة.
تجزئة المحتوى: انخفضت كثافة التواجد المشترك للوسوم بشكل حاد في المجتمعات الخوارزمية (-37%)، مما يشير إلى تجزئة الروابط الدلالية جنباً إلى جنب مع الروابط الاجتماعية. أصبحت الأسئلة المتبقية في المجتمعات الخوارزمية أكثر "تركيزاً على تصحيح الأخطاء" وأقل تكاملاً.
4. المساهمات الرئيسية
توسيع نظرية المشاركة المحيطية المشروعة (LPP): توسع هذه الدراسة نظرية LPP من خلال تحديد الانقطاع كآلية عمل. فهي تثبت أن البديل المعلوماتي الخارجي (LLM) يمكن أن يقطع مسار التلمذة، مما يمنع تكوين "الروابط الضعيفة" الضرورية لتجديد المجتمع.
القابلية للترميز الإجرائية كشرط حدّي: تحدد الورقة القابلية للترميز الإجرائي (الكود القابل للتنفيذ) كشرط حدّي محدد يحدد مدى التأثر بانقطاع LPP. وهي تميز هذا عن "القابلية للترميز" العامة، مظهرة أن الاشتقاقات الرسمية (الرياضيات) لا تسبب نفس الانهيار الهيكلي الذي تسببه الإجراءات القابلة للتنفيذ.
الانغلاق الهيكلي مقابل انخفاض الحجم: تميز الدراسة بين فقدان الحجم العام وبين الانغلاق الهيكلي. وتجد أن المجتمعات الخوارزمية تمر بإعادة تنظيم حيث يتآكل رأس المال الجسري بينما يظل الترابط لدى الأعضاء القدامى قائماً، مما يؤدي إلى هيكل شبكي "مجوف" أقل قدرة على دمج المعرفة المتنوعة.
التآكل مزدل المستوى: تقدم دليلاً على التآكل المزدوج، حيث تذوب الروابط الاجتماعية (الجسري) والروابط الدلالية (التواجد المشترك للوسوم) في آن واحد، وهو نمط متميز عن أدبيات تراجع المجتمعات السابقة التي ركزت على الحجم أو دوران العضوية وحده.
5. الأهمية والادعاءات
تدعي الورقة أن صعود الذكاء الاصطناعي التوليدي لا يقلل فقط من كمية إنتاج المعرفة عبر الإنترنت، بل يغير بشكل أساسي البنية الاجتماعية لمجتمعات المعرفة في المجالات التي تكون فيها المعرفة قابلة للترميز إجرائياً.
الأهمية النظرية: تربط الدراسة بين سلوك البحث عن المعلومات الفردي (اختيار نموذج لغوي بدلاً من المجتمع) والنتائج الهيكلية على مستوى المجتمع (فقدان رأس المال الجسري). وتجادل بأن "مرحلة الدخول" في LPP هي نقطة ضعف حرجة، حيث يؤدي تجاوزها إلى انغلاق هيكلي.
الآثار العملية: تشير النتائج إلى أن حوكمة المنصات لا يمكن أن تعتمد على تدخلات موحدة. بدلاً من ذلك، يجب تصميم الضمانات لتناسب القابلية للترميز الإجرائي لكل مجال. بالنسبة للمجتمعات الخوارزمية، فإن الأولوية هي ضمان أن المساعدة بالذكاء الاصطناعي توجه المستخدمين للعودة إلى المعرفة الموثقة من قبل المجتمع للحفاظ على مسار الدخول، بدلاً من السماح للنماذج الخارجية باستبدال التفاعل بالكامل.
تواضع الادعاءات: يشير المؤلفون صراحة إلى أنهم لا يرصدون قرارات فردية باستخدام النماذج اللغوية الكبيرة؛ بل يتم استنتاج انقطاع LPP من خلال أدلة متقاربة (البيانات الهيكلية، الاستبقاء، والمحتوى). علاوة على ذلك، تُعتبر مجموعة "الضبط" (القائمة على الممارسة) مجموعة "منخفضة التعرض" وليست "غير معالجة"، حيث يمكن للنماذج اللغوية الكبيرة الإجابة على بعض الأسئلة الروتينية في تلك المجالات. وتقتصر الادعاءات السببية بصرامة على التأثيرات التفاضلية عبر أنواع المعرفة المحددة من خلال تصميم DiD.