Meta-AI literacy and knowledge transfer: Serial mediation through metacognitive regulation and verification behavior in AI-assisted learning

في الفصل الدراسي الحديث، وصل نوع جديد من المعلمين الخصوصيين، معلم لا ينام ويمكنه صياغة مقال أو حل مسألة في ثوانٍ معدودة. هذا هو الذكاء الاصطناعي التوليدي، وهي أداة أصبحت بسرعة جزءاً روتينياً من الحياة الجامعية. يستخدم الطلاب هذه الأداة لتلخيص القراءات، وصياغة التكاليم، ومراجعة أعمالهم. ومع ذلك، نما قلق صامت جنباً إلى جنب مع هذه السهولة: هل مجرد قدرة الطالب على إنتاج ورقة جيدة بمساعدة تقنية تعني أنه تعلم شيئاً بالفعل؟ إن السؤال الجوهري بالنسبة للتربويين والباحثين ليس ما إذا كان بإمكان الطلاب الوصول إلى هذه الأدوات القوية، بل كيف يتفاعلون معها. فعندما تظهر إجابة كاملة عند الطلب، يمكن تخطي الجهد الذهني المطلوب لفهم المفهوم تماماً. وهذا ما يُعرف بـ "التفريغ المعرفي" (cognitive offloading)، حيث يفوّض الدماغ العمل الشاق إلى مورد خارجي. والخطر يكمن في أن يسلم الطالب تكليفاً مثالياً بينما لا يحتفظ بأي فهم للمادة بمجرد إيقاف تشغيل الأداة.

لفهم كيف ينجو التعلم في هذه البيئة الجديدة، ينظر الباحثون إلى مفهوم يسمى "النقل" (transfer). والنقل هو القدرة على أخذ ما تعلمته وتطبيقه في موقف جديد. وهناك نوعان رئيسيان: "النقل القريب" يحدث عندما تبدو المشكلة الجديدة مشابهة جداً للمشكلة التي تدربت عليها، حيث تتشارك في نفس التفاصيل السطحية. أما "النقل البعيد" فهو أصعب بكثير؛ إذ يتطلب تطبيق نفس المبدأ الأساسي على مشكلة تبدو مختلفة تماماً من حيث المظهر السطحي. النقل البعيد هو الاختبار الحقيقي للفهم العميق، لأن المتعلم يجب أن يتعرف على البنية العميقة للمشكلة دون الإشارات المألوفة التي تنبه إلى المعرفة ذات الصلب. إذا قام الطالب ببساطة بنسخ إجابة، فقد يجتاز اختبار النقل القريب الذي يشبه واجبه المنزلي، لكنه سيخفق على الأرجح عندما يواجه تحدياً مبتكراً يتطلب تفكيراً مرناً.

وضع فريق من الباحثين خطة للتحقيق في كيفية تعلم الطلاب المهرة في استخدام الذكاء الاصطناعي بالفعل. ركزوا على مجموعة محددة من المهارات تسمى "الثقافة المعرفية للذكاء الاصطناعي" (Meta-AI literacy). وهذه ليست مجرد معرفة كيفية كتابة أمر (prompt)؛ بل هي كفاءة أوسع تشمل فهم كيفية عمل الذكاء الاصطناعي، ومعرفة كيفية استخدامه، وكشف متى يتم استخدامه، وفهم الأخلاقيات المحيطة به. أراد الباحثون معرفة ما إذا كان امتلاك هذه المهارات يؤدي تلقائياً إلى تعلم أفضل، أم أن هناك شيئاً آخر يجب أن يحدث في المنتصف. اشتبهوا في أن المفتاح يكمن في سلوك الطالب أثناء المهمة. وتحديداً، بحثوا فيما إذا كان الطلاب يتحققون بنشاط من مخرجات الذكاء الاصطناعي مقابل مصادر أخرى، وهو سلوك يُعرف باسم "التحقق" (verification). كما فحصوا ما إذا كان الطلاب يخططون لعملهم ويراقبون فهمهم الخاص، وهي عملية تسمى "التنظيم وراء المعرفي" (metacognitive regulation).

شملت الدراسة 483 طالباً جامعياً من مختلف التخصصات، بما في ذلك العلوم الإنسانية والهندسة والعلوم. طُلب من الطلاب إكمال مهمة تعليمية باستخدام أداة ذكاء اصطناعي. وخلال ذلك الوقت، لم يعتمد الباحثون على ما قاله الطلاب عما فعلوه؛ بل سجلوا كل تفاعل قام به الطلاب مع الأداة. لقد سجلوا عدد المرات التي عاد فيها الطلاب للتحقق من مصدر ادعاء ما، وقارنوا بين المصادر المختلفة، وتتبعوا الأدلة، وصححوا الأخطاء. وفر هذا صورة واضحة وموضوعية لسلوك التحقق. وبعد مرحلة التعلم، تم إيقاف تشغيل أداة الذكاء الاصطناعي، وخضع الطلاب لاختبار لمعرفة ما تعلموه. تضمن الاختبار أسئلة مشابهة لمهمة التعلم، مما يمثل "النقل القريب"، وأسئلة تطبق نفس المبادئ على سيناريوهات مختلفة تماماً وغير مألوفة، مما يمثل "النقل البعيد".

كشفت النتائج عن حقيقة مذهلة حول كيفية حدوث التعلم مع الذكاء الاصطناعي. وجد الباحثون أن مجرد امتلاك "ثقافة عالية للذكاء الاصطناعي" لم يؤدِ مباشرة إلى درجات اختبار أفضل. فقد يكون الطالب عالماً جداً بالذكاء الاصطناعي وأخلاقياته، ومع ذلك يفشل في تعلم المادة إذا لم يستخدم تلك المهارات بالطريقة الصحيحة. بدلاً من ذلك، كان المسار نحو التعلم عبارة عن سلسلة من الأحداث. أولاً، كان الطلاب الذين يتمتعون بثقافة أعلى للذكاء الاصطناعي أكثر عرضة للانخراط في التنظيم وراء المعرفي؛ فقد خططوا لنهجهم وراقبوا فهمهم أثناء العمل. ثانياً، أدى هذا التخطيط الدقيق إلى قيامهم بالتحقق من مخرجات الذكاء الاصطناعي. لقد تحققوا من الإجابات، وبحثوا عن الأخطاء، وقارنوا المعلومات مع المصادر الأخرى. وأخيراً، كان فعل التحقق هذا هو ما تنبأ مباشرة بمدى أدائهم في الاختبار.

كانت النتيجة الأكثر إثارة للاهتمام تتعلق بالفرق بين النقل القريب والنقل البعيد. فقد كان فعل التحقق من عمل الذكاء الاصطناعي متنبئاً قوياً بالنجاح في أسئلة النقل البعيد الصعبة. في الواقع، كان الارتباط بين التحقق من العمل وحل المشكلات غير المألوفة أقوى بأربعة أضعاف تقريباً من الارتباط بين التحقق وحل المشكلات المألوفة. يشير هذا إلى أنه عندما يتوقف الطلاب للتحقق من إجابة ما، فإنهم يُجبرون على إعادة الاشتباك مع الاستدلال الأساسي بدلاً من مجرد قبول حل سطحي. هذا المعالجة المجهدة هي ما يسمح لهم بفهم البنية العميقة للمشكلة، وهو أمر ضروري لتطبيق المعرفة في مواقف جديدة. وبدون هذه الخطوة، يظل التعلم سطحياً وهشاً.

كما أظهرت الدراسة أن التنظيم وراء المعرفي لم يؤدِ مباشرة إلى النقل البعيد بمفرده. فقد ساعد فقط عندما تُرجم إلى الفعل الملموس المتمثل في التحقق. وهذا يعني أن امتلاك خطة جيدة أو عقلية نقدية ليس كافياً؛ بل يجب ترجمة هذه الأفكط الداخلية إلى السلوك الخارجي المتمثل في الفحص والتصحيح. وجد الباحثون أن سلوك التحقق فسر جزءاً كبيراً من الاختلافات في مدى قدرة الطلاب على نقل معرفتهم إلى مشكلات جديدة. اقترح النموذج أن فائدة كون المرء مثقفاً في مجال الذكاء الاصطناعي لا تأتي من المعرفة نفسها، بل من عادة استخدام تلك المعرفة لمساءلة والتحقق من مخرجات الأداة.

تقدم هذه النتائج صورة واضحة لما يميز التعلم الناجح عن الاستهلاك السلبي في عصر الذكاء الاصطناعي. إن القدرة على استخدام الذكاء الاصطناعي بفعالية ليست مفتاحاً سحرياً يضمن التعلم. بدلاً من ذلك، هي أداة تدعم التعلم فقط عندما يستخدمها الطالب لتحفيز سلوك محدد: وهو التحقق النشط من المعلومات. عندما يتحقق الطلاب من عمل الذكاء الاصطناعي، فهم لا يضمنون الدقة فحسب؛ بل ينخرطون في العمل الذهني العميق المطلوب لفهم المبادئ المعقدة. هذا السلوك ضروري بشكل خاص عندما يكون الهدف هو تطبيق المعرفة على مشكلات غير مألوفة، حيث تفشل الحيل السطحية. تشير الدراسة إلى أن مستقبل التعليم مع الذكاء الاصطناعي قد لا يتعلق بتعليم الطلاب المزيد عن التكنولوجيا نفسها، بل بتصميم مهام تتطلب منهم الفحص والمساءلة والتحقق من الإجابات التي يتلقونها، مما يحول التفاعل السلبي إلى تجربة تعلم نشطة.