Engagement and Equity as Evidence for AI-Informed Instructional Design: A Learning Analytics Study of Two Large-Scale Datasets
من خلال تحليل مجموعتي بيانات تعليميتين واسعتي النطاق، تُظهر هذه الدراسة أنه في حين يُعد الاندماج السلوكي أقوى مؤشر للنجاح الأكاديمي، فإن توزيعه غير المتكافئ عبر المجموعات ذات المستويات الاقتصادية والاجتماعية ومجموعات ذوي الإعاقة يستوجب على التصميم التعليمي القائم على الذكاء الاصطناعي إعطاء الأولوية للعدالة واستراتيجيات الاستبقاء المبكر على مجرد الأتمتة من أجل النهوض بالتعليم الشامل بشكل فعال.
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 عالم التعليم، ثمة ثورة هادئة تجري منذ فترة من الزمن. فالمدارس والجامعات تتوجه بشكل متزايد نحو التكنولوجيا للمساعدة في تعلم الطلاب، آملة أن تتمكن الأدوات الرقمية من تخصيص الدروس لتناسب الاحتياجات الفردية، وتصحيح الأعمال فورياً، وإبقاء المتعلمين على المسار الصحيح. هذا المجال، المعروف باسم تحليلات التعلم، يتضمن جمع كميات هائلة من البيانات حول كيفية تفاعل الطلاب مع مساقاتهم؛ ما الذي ينقرون عليه، وكم يقضون من الوقت في صفحة ما، ومتى يسلمون التكليفات. والهدف هو استخدام هذه المعلومات لفهم ما ينجح وما لا ينجح. ومع ذلك، بينما تعد الذكاء الاصطناعي بنقل هذه الأدوات إلى المستوى التالي، هناك قلق متزايد بين التربويين؛ إذ يخشون أن الاندفاع لتبني تقنيات جديدة ومبهرة يتحرك بسرعة أكبر من الأدلة اللازمة لإثبات أنها تساعد بالفعل. ولم يعد السؤال المركزي هو ما يمكن للتكنولوجيا فعله فحسب، بل ما هي خيارات التصميم المحددة في المساق التي تؤدي بشكل موثوق إلى نجاح الطلاب، وما إذا كانت هذه الخيارات تساعد جميع الطلاب أم فقط القلة المحظوظة.
تتناول دراسة جديدة أجراها باحثون من جامعة KCA هذا السؤال من خلال النظر في مجموعتين ضخمتين من البيانات الواقعية. فبدلاً من اختبار أداة جديدة في فصل دراسي صغير، فحص الفريق سجلات ما يقرب من 29,000 طالب في جامعة بريطانية كبيرة للتعلم عن بعد، وعينة منفصلة مكونة من 4,000 مستخدم يتفاعلون مع نظام تعليمي ذكاء اصطناعي تجاري لاختبارات اللغة الإنجليزية. ومن خلال تحليل هذه المجموعات الضخمة من البيانات، سعى الباحثون إلى إيجاد أقوى الإشارات التي تدل على النجاح، ومعرفة ما إذا كان الوعد بالذكاء الاصطناعي يُبنى على أساس متين أم أنه يخاطر بتوسيع الفجوة بين أولئك الذين ينجحون وأولئك الذين يتخلفون عن الركب.
بدأ الاستقصاء بالنظر في هيكلية المساقات نفسها. فحص الباحثون كيف أثر عدد الاختبارات، وطول المساق، وأنواع التكليفات على نجاح الطلاب أو رسوبهم. ووجدوا أن التصميم المحدد للمساق يهم أكثر من سمعة المحاضر. فالمساقات الأطول التي توزع التقييمات على فترات زمنية متباعدة تميل إلى تحقيق معدلات نجاح أعلى، بينما المساقات المكتظة بالكثير من الاختبارات غالباً ما تشهد تعثر المزيد من الطلاب أو تسربهم. ومن المثير للاهتمام أن نوع التصحيح كان أقل أهمية من التوقيت؛ فقد استخدم الطلاب التكليفات المصححة حاسوبياً، والتي يمكن تسليمها متأخرة وغالباً ما تُعاد صياغتها، كممارسة مرنة، بينما عُوملت الاختبارات الصارمة والموقوتة كعقبات نهائية. وهذا يشير إلى أن إيقاع المساق ومرونته أكثر أهمية من مجرد حجم العمل أو التكنولوجيا المحددة المستخدمة في تصحيحه.
ومع ذلك، كان الاكتشاف الأكثر إثارة للدهشة يتعلق بسلوك الطالب. وجد الباحثون أن أقوى مؤشر على نجاح الطالب هو ببساطة مدى تفاعله مع المواد الدراسية. فالطلاب الذين نقروا على صفحات المساق، وقرأوا منشورات المنتديات، وأجروا اختبارات تجريبية، كانوا أكثر عرضة للنجاح بكثير من أولئك الذين لم يفعلوا ذلك. وكان هذا الارتباط قوياً لدرجة أنه فاق كل ميزة هيكلية في تصميم المساق فحصوها. وفي الواقع، كان الفرق في النشاط بين الطلاب الناجحين والطلاب الراسبين هائلاً؛ حيث نقر الطلاب الذين حققوا أعلى الدرجات على المواد الدراسية أكثر من عشرين ضعف عدد النقرات التي قام بها أولئك الذين انسحبوا من المساق. ويشير هذا الاكتشاف إلى أن الحفاظ على اهتمام الطلاب ونشاطهم هو المهمة الأكثر حيوية لأي نظام تعليمي، سواء كان يُدار بواسطة معلم بشري أو بواسطة ذكاء اصطناعي.
كما كشفت الدراسة عن واقع مقلق بشأن من يحق له المشاركة في هذا التفاعل. أظهرت البيانات أن النجاح لم يكن موزعاً بالتساوي؛ فقد نجح الطلاب من الأحياء الغنية في مساقاتهم بمعدل أعلى بكثير من أولئك القادمين من المناطق الأكثر فقراً. واتسعت الفجوة أكثر عند إضافة عامل الإعاقة؛ حيث كان الطلاب ذوو الإعاقة الذين ينتمون أيضاً إلى خلفيات محرومة هم الأقل قدرة على النجاح. ووجد الباحثون أن هذه العوائق تتراكم فوق بعضها البعض، مما يخلق حاجزاً أعلى بكأثير من مجرد عامل واحد منهما. وهذا يعني أن مجرد إضافة المزيد من التكنولوجيا إلى المساق لا يعالج هذه المشكلات تلقائياً؛ فإذا لم يأخذ التصميم هذه التفاوتات في الاعتبار، فقد تنتهي الأدوات الجديدة بمساعدة الطلاب الذين يتمتعون بالفعل بمكانة جيدة للنجاح، تاركة الآخرين خلفهم.
وقد أصبحت الصورة أكثر وضوحاً عندما نظر الباحثون في نظام التعليم بالذكاء الاصطناعي. وجدوا أن التفاعل مع أداة الذكاء الاصطناعي هذه كان غير متكافئ للغاية؛ حيث قامت مجموعة صغيرة من المستخدمين النشطين جداً بتوليد الغالبية العظمى من التفاعلات، بينما توقف نصف إجمالي المستخدمين عن استخدام النظام بعد جلسة واحدة فقط. وفي كثير من الحالات، سجل هؤلاء المستخدمون دخولهم ليوم واحد فقط ثم لم يعودوا أبداً. وهذه مشكلة حرجة بالنسبة للذكاء الاصطناعي، لأن هذه الأنظمة تحتاج إلى الوقت والتفاعلات المتكررة لتتعلم ما يعرفه الطالب ولتتكيف دروسها بناءً على ذلك. وإذا غادر الطالب بعد المحاولة الأولى، فلن تتاح للذكاء الاصطناعي الفرصة للقيام بعمله. وأظهرت البيانات أن التحدي الأكبر أمام المصممين ليس جعل الذكاء الاصطناعي أكثر ذكاءً أو قدرة على التكيف، بل في كيفية جعل الطلاب يستمرون لفترة كافية لكي يعمل النظام.
تقدم هذه النتائج مساراً واضحاً لكل من يحاول دمج الذكاء الاصطناعي في التعليم. تجادل الدراسة بأن الأولوية لا ينبغي أن تكون لأتمتة التصحيح أو توليد المحتوى أولاً، بل يجب أن ينصب التركيز على ثلاثة أمور: الحفاظ على تفاعل الطلاب منذ الجلسة الأولى، وتصميم هيكل المساق ليكون مرناً وداعماً، وضمان أن يعمل النظام للطلاب من جميع الخلفيات، وليس فقط للطلاب "المتوسطين". وتقترح الدراسة أنه قبل إضافة أي ميزة جديدة للذكاء الاصطناعي، يجب على المصممين التساؤل عما إذا كان المساق سيبقي مجموعة متنوعة من الطلاب مهتمين، وما إذا كان عبء العمل موزعاً بشكل معقول، وما إذا كان النظام يساعد أولئك الذين يعانون أكثر من غيرهم.
وفي نهاية المطاف، تخلص الدراسة إلى أن الوعد الذي يقدمه الذكاء الاصطناعي في التعليم لن يتحقق إلا إذا بُني على هذه المبادئ المثبتة. إن التكنولوجيا في حد ذاتها ليست حلاً سحرياً يمكنه إصلاح مساق معطل أو طالب غير متفاعل. وتظهر الأدلة أن الأداة الأكثر قوة للنجاح هي التصميم الذي يشجع الطلاب على الاستمرار في الحضور والمشاركة. ولكي يساعد الذكاء الاصطناعي حقاً، يجب استخدامه لدعم هذه السلوكيات البشرية، وضمان أن يكون لكل طالب، بغض النظر عن خلفيته أو قدراته، فرصة للبقاء متفاعلاً والتعلم. إن مستقبل تكنولوجيا التعليم لا يعتمد على مدى تقدم الخوارزميات، بل على مدى جودة خدمتها للاحتياجات الأساسية للمتعلمين الذين وُجدت لدعمهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.