Learners’ Engagement with Artificial Intelligence: Validation of the Cognitive-Affective AI Engagement Model
تُثبت هذه الدراسة صحة نموذج التفاعل المعرفي-العاطفي مع الذكاء الاصطناعي (CAAIEM) كإطار عمل موثوق رباعي الأبعاد لقياس تفاعل طلاب الجامعات مع أدوات الذكاء الاصطناعي القائمة على النماذج اللغوية الكبيرة، مما يظهر خصائص سيكومترية قوية من خلال التحليل العاملي التوكيدي لبيانات مستمدة من 1,249 طالباً مجرياً في سنتهم الأولى، مع ملاحظة الحاجة إلى مزيد من التحقق عبر الثقافات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 الفصل الدراسي الحديث، تحدث ثورة هادئة، لا تقودها الكتب المدرسية الجديدة أو السبورات السوداء، بل برامج حاسوبية ذكية قادرة على كتابة المقالات، وحل المشكلات، وإجراء المحادثات. هذه الأدوات، المعروفة باسم النماذج اللغوية الكبيرة، انتقلت من عالم الخيال العلمي إلى الحياة اليومية للطلاب. وبالنسبة للمعلمين والباحثين، برز سؤال ملح: كيف يتواصل المتعلمون حقاً مع هذه التقنيات؟ هل علاقتهم بالذكاء الاصطناعي مجرد مسأر متعلق بتأدية مهمة وظيفية، أم أنها تنطوي على مشاعر وعادات وآمال مستقبلية أعمق؟ لفهم ذلك، ينظر العلماء إلى "الارتباط" (engagement)، وهو مفهوم يصف مدى انخراط الشخص في نشاط ما. تقليدياً، كان يُنظر إلى هذا المفهوم من منظور ما إذا كانت الأداة مفيدة أو سهلة الاستخدام. ومع ذلك، ومع تحول الذكاء الاصطناعي إلى تقنية أكثر قدرة على المحادثة والتخصيص، يشتبه الباحثون في أن الصورة أكثر تعقيداً؛ إذ من المرجح أن الأمر يتضمن مدى تكرار تفاعل الطالب مع الأداة، ومدى استمتاعه بالتجربة، ومدى ثقته في قدرته على استخدامها بفعالية، وما إذا كان يخطط لمواصلة التعلم باستخدامها في السنوات القادمة. إن فهم هذه الطبقات أمر بالغ الأهمية، لأنه إذا ركزت المدارس والمطورون فقط على مدى فاعلية الأداة، فقد يغفلون عن الدوافع العاطفية والسلوكية التي تجعل الطلاب يعودون للتعلم مجدداً.
قام فريق من الباحثين من جامعة سيجد (Szeged) في المجر برسم معالم هذا الإقليم غير المكتشف. اقترحوا طريقة جديدة للنظر في كيفية ارتباط الطلاب بالذكاء الاصطناعي، مشيرين إلى أنه ليس شعوراً واحداً بل هو مزيج من أربعة أجزاء متميزة. وقد أطلقوا عليه اسم "نموذج الارتباط المعرفي-العاطفي بالذكاء الاصطناعي" (Cognitive-Affective AI Engagement Model). الجزء الأول هو "كثافة التفاعل"، والذي يقيس ببساطة مدى تكرار وعمق استخدام الطلاب لهذه الأدوات في حياتهم اليومية ودراستهم. والثاني هو "الفعالية الأداتية"، والتي ترصد إيمان الطالب بأن التكنولوجيا تساعده بالفعل في إنجاز عمله بشكل أسرع وأفضل. والثالث هو "الارتباط الوجداني"، وهو مصطلح يشير إلى الجانب العاطفي للتجربة: هل يشعر الطلاب بالاستمتاع والراحة والقبول الحقيقي عند استخدام الذكاء الاصطناعي؟ أما القطعة الأخيرة فهي "نية الاستمرار في التعلم"، والتي تتطلع إلى المستقبل، وتقيس ما إذا كان الطالب يخطط لمواصلة التعلم حول هذه التقنيات واستخدامها مع تطورها.
ولاختبار ما إذا كان هذا النموذج المكون من أربعة أجزاء يعكس الواقع بدقة، جمع الباحثون مجموعة كبيرة من طلاب السنة الأولى الجامعية. حيث دعوا 1,249 طالباً من مختلف الكليات في الجامعة للمشاركة في دراسة. قام المشاركون، الذين تتراوح أعمار معظمهم بين 18 و22 عاماً، بملء استبيان صُمم لقياس كل مجال من هذه المجالات الأربعة. طلبت منهم الأسئلة الإبلاغ عن مدى تكرار استخدامهم لتطبيقات الذكاء الاصطناعي، ومدى اتفاقهم على أن الذكاء الاصطناعي يحسن أداءهم، ومدى استمتاعهم باستخدامه، وما إذا كانوا ينوون مواصلة التعلم عنه في المستقبل. ثم استخدم الباحثون أساليب إحصائية متطورة لمعرفة ما إذا كانت إجابات الطلاب تتجمع طبيعياً في الفئات الأربع التي توقعها النموذج، أم أن البيانات تشير إلى هيكل مختلف تماماً.
كانت النتائج واضحة وداعمة للنموذج الجديد. فعندما حلل الباحثون البيانات، وجدوا أن الفئات الأربع التي اقترحوها كانت بالفعل الطريقة المثلى لوصف كيفية ارتباط هؤلاء الطلاب بالذكاء الاصطناعي. لم تتوافق البيانات مع نموذج أبسط حيث تشير جميع الإجابات إلى شعور عام واحد، كما لم تتوافق مع نموذج يحتوي على ثلاث فئات فقط. بدلاً من ذلك، برزت الأبعاد الأربعة المتميزة كأجزاء منفصلة ولكنها مترابطة من التجربة الكاملة. أظهرت إجابات الطلاب باستمرار أن سلوكهم، ومعتقداتهم حول الفائدة، وعواطفهم، وخططهم المستقبلية، كانت جميعها جوانب قابلة للقياس ومتميزة. وقد أكدت الدراسة أن هذه الأجزاء الأربعة تعمل معاً لتشكل صورة كاملة لكيفية ارتباط المتعلم بالذكاء الاصطناعي.
كما تحقق الباحثون لضمان أن الأسئلة التي طرحوها كانت موثوقة وأنها تقيس بالفعل ما قصدوا قياسه. ووجدوا أن الأسئلة الخاصة بكل منطقة من المناطق الأربع كانت متسقة؛ فعلى سبيل المثال، كانت الأسئلة المتعلقة بالاستمتاع مترابطة بقوة، وكذلك الأسئلة المتعلقة بالخطط المستقبلية. وقد منحهم هذا الثقة في أن النموذج أداة صلبة لفهم سلوك الطلاب. علاوة على ذلك، تحققوا من أن هذه المجالات الأربعة كانت مختلفة بما يكفي عن بعضها البعض ليتم التعامل معها كمفاهيم منفصلة، رغم كونها مترابطة. فعلى سبيل المثال، الطالب الذي وجد الذكاء الاصطناعي مفيداً كان يميل أيضاً إلى الاستمتاع باستخدامه، لكن الدراسة أظهرت أن الفائدة والاستمتاع ليسا الشيء نفسه. وبالمثل، كان للطالب الذي يستخدم الذكاء الاصطناعي بكثرة دوافع مختلفة عن الطالب الذي يخطط ببساطة لاستخدامه في المستقبل.
تمثل هذه الدراسة خطوة هامة للأمام في فهم الجانب الإنساني للذكاء الاصطناعي في التعليم. فمن خلال تقسيم الارتباط إلى هذه المكونات الأربعة المحددة، قدم الباحثون إطاراً يمكن للمعلمين والمطورين استخدامه للرؤية فيما وراء مجرد إحصاءات الاستخدام البسيطة. وهي تشير إلى أنه لكي يستفيد الطلاب حقاً من الذكاء الاصطناعي، يجب ألا تكون التكنولوجيا فعالة فحسب، بل يجب أن تكون ذات صدى عاطفي ومتوافقة مع أهدافهم التعليمية طويلة المدى. وتوضح النتائج أن التكامل الناجح لهذه الأدوات يتطلب الاهتمام بكيفية شعور الطلاب تجاه التكنولوجيا وكيف يتصورون استخدامها في مستقبلهم، وليس فقط ما إذا كانت تساعدهم في إنجاز مهمة ما اليوم. وبينما ركزت الدراسة على مجموعة محددة من الطلاب في المجر، فإن النموذج الذي أثبتت صحته يقدم لغة جديدة لوصف العلاقة المعقدة بين المتعلمين والآلات الذكية التي تشكل تعليمهم بشكل متزايد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.