Search in Transition: A Mixed-Methods Study of LLMs and Search Engines in English Test Preparation
تكشف هذه الدراسة المختلطة المناهج أن طلاب الجامعات الذين يستعدون لاختبارات اللغة الإنجليزية يدمجون استراتيجياً بين نماذج اللغات الكبيرة من أجل الكفاءة ومحركات البحث من أجل التحقق، حيث يحقق أولئك الذين يستخدمون نهجاً هجيناً متوازناً أعلى مستويات الدقة رغم أوقات إنجاز المهام الأطول، مما يدعم في النهاية نموذج واجهة جديدة للتعلم المعتمد على الذكاء الاصطناعي الموثوق.
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 كل عام، يستعد ملايين طلاب الجامعات حول العالم لاختبارات اللغة الإنجليزية عالية المخاطر مثل "آيلتس" (IELTS) أو "توفل" (TOEFL). غالبًا ما تكون هذه الاختبارات هي البوابات النهائية للدراسة في الخارج أو تأمين مسيرة مهنية، وهي تتطلب ليس فقط استيعاب المفردات والقواعد، بل القدرة على تركيب المعلومات المعقدة بسرعة. ولعقود من الزمن، كان النهج القياسي لهذا التحضير هو محرك البحث التقليدي؛ حيث يكتب الطالب سؤالًا، ثم يغربل قائمة من الروابط، ويقرأ مقالات متعددة، ويجمع أجزاء الإجابة. إنها طريقة مبنية على السلطة والتحقق، ولكن يمكن أن تكون بطيئة ومرهقة ذهنيًا. وفي السنوات الأخيرة، دخلت أداة جديدة إلى المشهد: النموذج اللغوي الكبير. هذه أنظمة ذكاء اصطناعي حوارية يمكنها الإجابة على الأسئلة، وكتابة المقالات، وشرح القواعد في استجابة واحدة سلسة، مما يجعلك تشعر وكأن لديك معلمًا متاحًا في أي لحظة. ولكن مع تصادم هاتين التقنيتين في عقول الطلاب، يبرز سؤال جوهري: هل يتنافسان، أم أنهما يعملان بشكل أفضل معًا؟
سعى باحثون في جامعة يونايتد الدولية في بنغلاديش للإجابة على هذا السؤال من خلال مراقبة كيفية تصرف الطلاب فعليًا عند مواجهة مشكلات اختبار حقيقية. لم يكتفوا بمجرد سؤال الطلاب عما يفضلونه، بل راقبوا عملهم. جمع الفريق مجموعة كبيرة مكونة من 140 طالبًا جامعيًا لتعبئة استطلاعات رأي حول عاداتهم ومشاعرهم تجاه هذه الأدوات. وللحصول على نظرة أعمثل، استعانوا بـ 20 من هؤلاء الطلاب في جلسة أكثر خصوصية. في هذه المرحلة الثانية، طُلب من الطلاب إكمال سبعة مهام محددة تحاكي تحديات اختبار كفاءة اللغة الإنجليزية، مثل تلخيص نص صعب، أو تصحيح الأخطاء النحوية، أو كتابة قطعة رأي قصيرة. ثم راقب الباحثون عن كثب الأداة التي يلجأ إليها الطلاب، والوقت الذي تستغرقه المهام، ومدى دقة الإجابات النهائية.
كشفت النتتائج عن نمط واضح في كيفية تنقل الطلاب في هذا المشهد الرقمي. فعندما اعتمد الطلاب حصريًا على الذكاء الاصطناعي الحواري، عملوا بسرعة، حيث أنهوا مهامهم في متوسط 24 دقيقة، وكانت إجاباتهم سلسة ومنظمة جيدًا، وحققت درجة دقة بلغت 88 بالمائة. وعندما تمسك الطلاب بمحرك البحث التقليدي، استغرقوا وقتًا أطول، بمتوسط 31 دقيقة، وانخفضت دقة إجاباتهم إلى 80 بالمائة؛ إذ تطلب منهم محرك البحث التنقل بين صفحات ويب عديدة للعثور على المعلومات والتحقق منها، وهي عملية غالبًا ما أدت إلى الارتباك أو تفويت التفاصيل. ومع ذلك، فإن المجموعة الأكثر نجاحًا لم تكن تلك التي اختارت أداة واحدة فقط، بل الطلاب الذين تبنوا استراتيجية هجينة — باستخدام الذكاء الاصطناعي لإنشاء مسودة سريعة أو شرح، ثم الانتقال إلى محرك البحث للتحقق من الحقائق وتأكيد القواعد — حيث حققوا أعلى دقة بلغت 90 بالمائة.
جاء هذا الأداء المتفوق بتكلفة معينة؛ فقد استغرقت المجموعة الهجينة أطول وقت لإنجاز عملها، بمتوسط 35 دقيقة. كان عليهم التوقف، والتفكير، والتبديل بين السياقات بين الواجهة الحوارية وقائمة نتائج البحث. ورغم الوقت الإضافي، أفاد هؤلاء الطلاب بشعورهم بمزيد من الثقة في إجاباتهم؛ فقد أدركوا أن الذكاء الاصطناعي مولد قوي للأفكب، لكنه قد يرتكب أخطاءً أحيانًا أو يقدم تفسيرات غامضة، بينما كان محرك البحث مصدرًا موثوقًا للحقيقة ولكنه قد يكون مربكًا في التعامل معه. ومن خلال الجمع بينهما، تمكنوا من الحصول على أفضل ما في العالمين: سرعة ووضوح الذكاء الاصطناعي، مدعومين بمصداقية محرك البحث.
تشير الدراسة إلى أن مستقبل التعلم في هذا السياق لا يتعلق باختيار تقنية دون أخرى، بل بدمجهما معًا. لاحظ الباحثون أن الطلاب يميلون طبيعيًا نحو سير عمل حيث يتولى الذكاء الاصطناعي المهام الشاقة من الكتابة والتلخيص، بينما يعمل محرك البحث كشبكة أمان للتحقق من الحقائق. يسلط هذا السلوك الضوء على الحاجة المتزايدة لأدوات لا تجبر المستخدمين على الاختيار بين الكفاءة والدقة. ويقترح المؤلفون نوعًا جديدًا من الواجهات حيث يعيش الذكاء الاصطناعي الحواري مباشرة داخل محرك البحث. في هذا النظام المتخيّل، يمكن للطالب طرح سؤال، والحصول على إجابة ملخصة واضحة من الذكاء الاصطناعي، ورؤية روابط محددة للمصادر الأصلية بجانبها مباشرة. من شأن هذا أن يلغي الحاجة إلى التبديل المستمر بين علامات التبويب أو التطبيقات المختلفة، مما يقلل الجهد الذهني المطلوب للتحقق من المعلومات.
في النهاية، تشير الدراسة إلى أن الطلاب يعملون بالفعل كمصممين لأنفسهم، حيث يكتشفون كيفية مزج هذه التقنيات لتحقيق النجاح. فهم لا يعاملون الذكاء الاصطناعي كبديل لمحرك البحث، ولا يتجاهلون الذكاء الاصطناعي لصالح الأساليب القديمة، بل يبنون سير عمل شخصي يستفيد من نقاط القوة في كل منهما. وتخلص الدراسة إلى أنه بالنسبة للتعلم عالي المخاطر، فإن المسار الأكثر فعالية هو النهج الهجين الذي يحترم سرعة الذكاء الاصطناعي مع الحفاظ على التدقيق الصارم للبحث التقليدي، لضمان أن تكون الإجابات التي يجدها الطلاب ليست سريعة فحسب، بل حقيقية أيضًا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.