Revisiting validation in language testing: an updated critical review of argument-based approaches in the era of justice-oriented and AI-mediated assessment
تُحدّث هذه الورقة مراجعة نقدية من عام ٢٠١٩ حول الصلاحية القائمة على الحجج في اختبارات اللغة من خلال فحص التطورات حتى عام ٢٠٢٦، مع تسليط الضوء على توسع المجال في سياقات متنوعة وتخصصات مجاورة، مع معالجة التحديات الناشئة التي تفرضها الانتقادات الموجهة نحو العدالة والتقييم بوساطة الذكاء الاصطناعي، والمطالبة في نهاية المطاف بدمج العدالة والشفافية الخوارزمية كضمانات جوهرية ضمن حجج الصلاحية.
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
يخضع ملايين الأشخاص يومياً لاختبارات معيارية لإثبات قدرتهم على التحدث بلغة ما بما يكفي للحصول على وظيفة، أو دخول جامعة، أو الانتقال إلى بلد جديد. وتعمل هذه الدرجات بمثابة بوابات، تقرر من يحصل على الفرصة ومن لا يحصل عليها. ولعقود من الزمن، طرح الخبراء سؤالاً واحداً حيوياً: كيف نعرف أن هذه الاختبارات تقيس بالفعل ما تدعي قياسه؟ لقد تطورت الإجابة من مجرد قوائم مراجعة بسيطة إلى منهج أكثر تعقيداً يسمى "النهج القائم على الحجة". تخيل محامياً يبني قضية أمام هيئة محلفين؛ فبدلاً من مجرد سرد الحقائق، يجب عليه بناء سلسلة منطقية من الاستدلال تربط أداء الطالب في الاختبار بقرار في العالم الحقيقي، مثل منح تأشيرة دخول. وكل حلقة في هذه السلسلة — كيفية تسجيل درجات الاختبار، وكيف تمثل هذه الدرجة قدرة الطالب الحقيقية، وكيف تتنبأ تلك القدرة بالنجاح المستقبلي — يجب أن تكون مدعومة بالأدلة. وإذا كانت إحدى الحلقات ضعيفة، فإن القضية بأكملها تنهار.
مؤخراً، تغير مشهد اختبارات اللغة بشكل جذري. فهناك قوتان قويتان تعيدان تشكيل كيفية بناء هذه الاختبارات والحكم عليها. أولاً، هناك طلب متزايد على العدالة، حيث يجادل الباحثون بأن الاختبارات يجب أن تعمل بنشاط ضد عدم المساواة العرقية والاجتماعية، وليس فقط تجنب الأخطاء الواضحة. ثانياً، أصبح الذكاء الاصطناعي الآن يقوم بتصحيح العديد من هذه الاختبارات، مستبدلاً المصححين البشر بخوارزميات حاسوبية يمكنها معالجة اللغة بسرعات هائلة. وتتناول مراجعة جديدة للمجال، نُشرت في عام 2026 من قبل الباحثة "ثي تويت هانه نغوين"، كيف يصمد "المنطق القانوني" لصلاحية الاختبار أمام هذه التحديات الجديدة. ومن خلال النظر في الدراسات المنشورة بين عامي 2019 و2026، تتبع "نغوين" كيف يحاول المجال تحقيق التوازن بين الإثبات الصارم والحاجة الملحة للعدالة والطبيعة الغامضة للتصحيح الآلي.
تبدأ المراجعة بالنظر في كيفية تطبيق الباحثين للنهج القائم على الحجة في السنوات الأخيرة. وجدت "نغوين" أنه بينما امتد هذا المنهج ليشمل أنواعاً جديدة من الاختبارات، من امتحانات الهجرة إلى تقييمات الأطفال الصغار، إلا أن الأدلة الداعمة لهذه الاختبارات تظل متفاوتة. تركز معظم الدراسات بكثافة على الحلقات الأولى في السلسلة: إثبات أن الاختبار يتم تصحيحه باتساق وأن الدرجات موثوقة. ومع ذلك، غالباً ما يتم تجاهل الحلقات اللاحقة الأكثر صعوبة. فنادراً ما يجمع الباحثون أدلة قوية لإظهار أن درجة الاختبار تتنبأ بالفعل بمدى جودة أداء الشخص في وظيفة في العالم الحقيقي، أو أن القرارات المتخذة بناءً على تلك الدرجات عادلة حقاً. وقد استمر هذا النمط لسنوات؛ فحتى مع نمو المجال، غالباً ما تتوقف "الحجة" لصالح الاختبار عند مرحلة قصيرة قبل إثبات قيمته النهائية في العالم الحقيقي.
تتناول جزءاً كبيراً من المراجعة حركة نظرية جديدة تُعرف باسم "الصلاحية الموجهة نحو العدالة". يتحدى هذا النهج فكرة أن الاختبار يمكن اعتباره صالحاً لمجرد أنه دقيق تقنياً. بدلاً من ذلك، يسأل: ما هي القيم التي تُستخدم لتحديد ما هو "صحيح"؟ إذا تم بناء اختبار من قبل مجموعة معينة من الناس، فقد ينحاز دون قصد لخلفيتهم الثقافية بينما يعاقب الآخرين، حتى لو كان التصحيح دقيقاً رياضياً. تسلط "نغوين" الضوء على جدل داخل المجال: يخشى بعض الباحثين من أن التركيز الزائد على العدالة الاجتماعية قد يضعف الدقة العلمية للاختبار، بينما يرى آخرون أنه بدون معالجة هذه التفاوتات العميقة، ستكون الاختبارات معيبة جوهرياً. وتقترح المراجعة أن العدالة لا ينبغي أن تكون مجرد فكرة ثانوية أو فحصاً منفصلاً؛ بل يجب نسجها في صلب الحجة التي تفسر سبب صلاحية الاختبار.
التطور الرئيسي الثاني هو صعود الذكاء الاصطناعي في التصحيح. إن نماذج اللغات الكبيرة، وهي نفس التكنولوجيا التي تقف وراء برامج الدردشة المتقدمة، تقوم الآن بتصحيح المقالات واختبارات التحدث. وهذا يخلق مشكلة فريدة للصلاحية. فعندما يقوم معلم بشري بتصحيح ورقة، يمكنه شرح سبب إعطائه درجة معينة. أما عندما يقوم الذكاء الاصطناعي بذلك، فإن العملية غالباً ما تكون "صندوقاً أسود"، حيث يكون الاستدلال مخفياً داخل كود حاسوبي معقد. وتشير "نغوين" إلى أن أطر الاختبار الحالية لم تُصمم للتعامل مع هذا الغموض. وتظهر الدراسات أنه بينما يمكن للذكاء الاصطناعي أن يتفق أحياناً مع المصححين البشر، فإنه غالباً ما يفشل في القيام بذلك باستمرار عبر اللغات المختلفة أو بالنسبة للطلاب من خلفيات مختلفة. وتحذر المراجعة من أن الاعتماد على الذكاء الاصطناعي دون المطالبة بالشفافية وإثبات العدالة قد يؤدي إلى إدخال تحيزات جديدة وغير مرئية في النظام.
تخلص الورقة إلى اقتراح سبعة اعتبارات رئيسية لمستقبل اختبارات اللغة. تظل الاعتبارات الخمسة الأولى، التي تم تحديدها في مراجعة سابقة، ذات صلة: يجب على الباحثين تحليل المهام الواقعية التي يحاكيها الاختبار، وإشراك مجموعة واسعة من الناس في العملية، واستخدام أساليب مختلطة لجمع الأدلة. ومع ذلك، تجادل "نغوين" بأن هناك اعتبارين جديدين أصبحا ضروريين الآن. أولاً، يجب التعامل مع العدالة والإنصاف كأجزاء صريحة من حجة الصلاحية، وليس كإضافات اختيارية. وهذا يعني أن الاختبار يجب أن يثبت أن الدرجات عادلة لكل فئة فرعية من الناس، وليس فقط في المتوسط. ثانياً، عندما يُستخدم الذكاء الاصطناعي للتصحيح، يجب أن يتضمن الدليل إثباتاً بأن الخوارزمية شفافة وخالية من التحيز. وتقترح المراجعة أن يقوم مطورو الاختبارات ببناء هذه الضوابط الأخلاقية في تصميم الاختبار منذ البداية، بدلاً من محاولة إصلاح المشكلات بعد استخدام الاختبار بالفعل.
في نهاية المطاف، لا تدعو الورقة إلى التخلي عن النهج القائم على الحجة. بدلاً من ذلك، تجادل بضرورة توسيع تعريف ما يعتبر دليلاً قوياً. يجب أن تتضمن "الحجة القانونية" للاختبار الآن إثباتاً بأن النظام عادل وأن الآلة التي تصححه جديرة بالثقة. وبينما يمضي المجال قدماً، فإن الهدف هو جعل هذه الاعتبارات روتينية ومتوقعة مثل التحقق من اتساق التصحيح. ومن خلال القيام بذلك، يأمل مجتمع اختبارات اللغة في ضمان أن تكون البوابات التي تفتحها هذه الاختبارات عادلة للجميع، بغض النظر عن خلفياتهم أو التكنولوجيا المستخدمة لقياسهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.