AI-Assisted Grading in Biochemistry: Automated Long Answer Question Scoring with Expert-Level Accuracy

في عالم التعليم الطبي، يتطلب تدريس الكيمياء الحيوية ما هو أكثر من مجرد حفظ الحقائق حول كيفية معالجة الجسم للطاقة؛ إذ يتطلب الأمر من الطلاب التفكير بعمق وشرح العمليات المعقدة بكلماتهم الخاصة. وللقياس مدى هذا الفهم، غالبًا ما يستخدم المدرسون الأسئلة ذات الإجابات الطويلة، حيث يتعين على الطالب كتابة شرح مفصل لآلية بيولوجية. وتعد هذه الأسئلة أدوات قوية للتعلم لأنها تجبر الطلاب على تنظيم أفكارهم وإظهار تمكن حقيقي. ومع ذلك، فإن تصحيحها يشكل عبئًا ثقيلًا؛ فعندما يكبر حجم الفصل الدراسي، لا يستطيع معلم واحد قضاء الوقت اللازم لقراءة كل مقال بعناية، وتقديم ملاحظات شخصية، وضمان تقييم كل طالب بعدالة وفقًا للمعايير نفسها. ولا يكمن التحدي في حجم العمل فحسب، بل في الحاجة إلى الاتساق؛ فقد يهتم معلم بتفصيل معين قد يغفل عنه آخر، مما يؤدي إلى نتائج غير متساوية.

لقد وضع فريق من الباحثين من كليات الطب في الهند خطة لمعرفة ما إذا كان نوع جديد من برامج الكمبيوتر يمكنه حل هذه المشكلة. أرادوا معرفة ما إذا كان نظام ذكاء اصطناعي يمكنه قراءة هذه المقالات الطويلة، وتصحيحها بمهارة تضاهي مهارة أستاذ بشري خبير، وشرح السبب بدقة وراء حصول الطالب على درجة معينة. قام الباحثون ببناء أداة تعمل كممتحن رقمي؛ فبدلاً من مجرد عد الكلمات أو التحقق من الكلمات المفتاحية، تم تزويد هذا النظام بمجموعة محددة من القواعد، تُعرف باسم "النموذج التوجيهي" (rubric)، والتي تفكك الإجابة المثالية إلى أجزاء أصغر. تم توجيه الكمبيوتر للبحث عن تلك الأجزاء المحددة في كتابة الطالب، ومنح نقاط لما يتم العثور عليه، ثم اقتراح كيفية تحسين الإجابة. استخدم النظام نموذجًا لغويًا متطورًا، وهو نوع من برامج الكمبيوتر المدربة على كميات هائلة من النصوص لفهم اللغة البشرية، للقيام بهذه المهمة.

تضمنت الدراسة ثلاثمائة طالب كتبوا إجابات لسؤالين مختلفين في الكيمياء الحيوية. جمع الباحثون هذه الردوس الستمائة وجعلوا يتم تصحيحها مرتين: مرة بواسطة الكمبيوتر ومرة بواسطة خبيرين بشريين لديهما سنوات من الخبرة في تدريس المادة. استخدم المعلمون البشريون نفس مجموعة القواعد لتصحيح الأوراق. ولضمان عدم قيام الكمبيوتر بالتخمين فقط، طلب الباحثون منه تصحيح كل ورقة خمس مرات مع تغييرات طفيفة ثم أخذوا الدرجة الوسطى كدرجة نهائية. ساعدت هذه الطريقة في تقليل أي أخطاء عشوائية قد يرتكبها الكمبيوتر. ثم قارن الفريق بين الدرجات التي أعطاها الجهاز والدرجات التي أعطاها المعلمان البشريان لمعرفة مدى تطابقها.

أظهرت النتائج مستوى مذهلاً من الاتفاق بين الآلة والبشر. فقد تطابقت الدرجات التي منحها الذكاء الاصطناعي بشكل شبه مثالي مع الدرجات التي منحها الخبراء البشريون. وعندما قاس الباحثون مدى اتباع درجات الكمبيوتر لدرجات المعلمين، أشارت الأرقام إلى تطابق ممتاز، وهو أفضل بكثير مما يُرى عادةً عندما يقوم شخصان مختلفان بتصحيح الأوراق نفسها. لم يعطِ الكمبيوتر درجات أعلى أو أقل باستمرار من المعلمين؛ إذ كان متوسط درجاته مطابقًا تقريبًا لمتوسط درجات البشر. وفي الواقع، كان تصحيح الكمبيوتر متسقًا للغاية مع الخبراء لدرجة أنه يمكن اعتباره شريكًا موثوقًا به في الفصل الدراسي. كما قدم النظام تعليقات محددة حول مواضع ضعف إجابة الطالب، مقدمًا مستوى من التفاصيل يساعد الطلاب على التعلم من أخطائهم.

يشير هذا العمل إلى أن الذكاء الاصطناعي يمكنه التعامل مع المهمة الصعبة المتمثلة في تصحيح الإجابات المكتوبة المعقدة في العلوم دون فقدان الدقة واللمسة التي يوفرها المعلمون البشريون. ووجد الباحثون أنه من خلال تزويد الكمبيوتر بمجموعة واضحة من التعليمات حول ما يجب البحث عنه، يمكنه تقييم عمل الطلاب بدقة تضاهي مستوى الخبراء. وهذا لا يعني أن الكمبيوتر يحل محل المعلم، بل يعني أنه يمكنه تولي عبء التصحيح الثقيل، مما يفرغ المعلمين البشريين للتركيز على التدريس والتوجيه. وتشير الدراسة إلى أن هذا النهج جاهز للاستخدام في الفصول الدراسية الحقيقية لجعل التقييم أكثر عدلاً وكفاءة، مما يضمن حصول كل طالب على درجة تعكس حقًا فهمه للمادة.