Conceptualising and Measuring Epistemic Dependence in AI-Mediated Learning: Development and Initial Validation of the ED-AIL Scale
تقدم هذه المقالة وتتحقق أولياً من مقياس (ED-AIL)، وهو أداة سيكومترية جديدة صُممت لقياس التبعية الإبستيمية غير النقدية في التعليم العالي من خلال التمييز بين دعم الذكاء الاصطناعي الإنتاجي وبين الميل المحفوف بالمخاطر لمعاملة مخرجات الذكاء الاصطناعي كأوامر معرفية عبر خمسة مجالات رئيسية للتعلم.
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
تخيل عقلك كموقع بناء صاخب. لقرون، اعتمد العمال (أنت) على صندوق أدوات مليء بالأشياء الموثوقة: الكتب المدرسية، والمعلمين، والمكتبات، والأصدقاء. هذا ما يسميه العلماء "الاعتماد المعرفي"، وهي طريقة منمقة للقول إننا جميعًا نحتاج إلى المساعدة لبناء فهمنا للعالم. هذا ليس أمرًا سيئًا؛ بل هو في الواقع الطريقة التي نتعلم بها. ولكن الآن، وصل روبوت جديد سريع للغاية وكثير الكلام إلى الموقع. هذا الروبوت، الذي يعمل بالذكاء الاصطعي التوليدي (GenAI)، لا يكتفي فقط بتسليمك مطرقة؛ بل يمكنه كتابة المخططات، وخلط الإسمنت، وحتى إخبارك ما إذا كان جدارك مستقيمًا أم لا. السؤال الكبير ليس ما إذا كان الروبوت مفيدًا — فهو مفيد بوضوح. القلق الحقيقي هو: عند أي نقطة نتوقف عن التحقق من عمل الروبوت ونتركه يدير العرض بأكمله؟ هذا هو مجال "الاعتماد المعرفي غير النقدي"، حيث قد نبدأ في تصديق أن الروبوت دائمًا على حق، حتى عندما يكون مجرد تخمين، ونتوقف عن استخدام عقولنا للتحقق من الحقائق.
هذه الورقة البحثية تدور حول بناء مسطرة لقياس مدى سماحنا لذلك الروبوت بالسيطرة على تفكيرنا. قام الباحثان، ييران دو وبين زو، بابتكار أداة جديدة تسمى مقياس ED-AIL. فكر في الأمر كـ "كاشف لإزاحة الدماغ". لم يسألوا فقط: "هل تستخدم الذكاء الاصطناعي؟" لأن استخدام الآلة الحاسبة لا يعني أنك نسيت كيفية إجراء الرياضيات. بدلاً من ذلك، سألوا: "هل تترك الذكاء الاصطناعي يقرر ما هو صحيح، أو ما معنى مفهوم صعب، أو ما إذا كانت إجابتك جيدة بما يكفي، دون أن تتحقق أنت بنفسك؟" لقد اختبروا هذه المسطرة على ما يقرب من 1,550 طالبًا جامعيًا في المملكة المتحدة والولايات المتحدة وأوروبا. تشير النتائج إلى أن المسطرة تعمل بشكل جيد جدًا في رصد متى يترك الطلاب الذكاء الاصطناعي يتولى أبحاثهم، وفهمهم للأفكار الكبيرة، وإصدار حكمهم على ما إذا كانت الإجابة صحيحة. ومع ذلك، فإن المسطرة "مهتزة" بعض الشيء عندما يتعلق الأمر بقياس ما إذا كان الطلاب يتركون الذكاء الاصطناعي يقرر ماذا سيدرسون بعد ذلك أو كيف يخططون لتعلمهم. تؤكد الدراسة أن هذا "الاستحواذ الروبوتي" هو شيء حقيقي وقابل للقياس، لكنها تحذر أيضًا من أننا بحاجة إلى توخي الحذر حتى لا نستخدم هذه المسطرة لمعاقبة الطلاب الأفراد أو للقول بأن استخدام الذكاء الاصطناعي سيء دائمًا. إنها أداة لمساعدتنا على فهم المشكلة، وليست عصا سحرية لحلها بين عشية وضحاها.
قصة "كاشف إزاحة الدماغ"
المشكلة: عندما يصبح الروبوت هو المدير
تخيل أنك تكتب قصة. تطلب من روبوت فائق الذكاء فكرة ما. إذا أخذت تلك الفكرة، وعدلت عليها، وتحققت مما إذا كانت منطقية، ثم كتبت نسختك الخاصة، فهذا يشبه امتلاك مساعد طيار مفيد. ولكن إذا كتب الروبوت القصة بأكملها، وقمت أنت بمجرد النسخ واللصق، ولم تسأل أبدًا: "انتظر، هل هذا صحيح حقًا؟" أو "هل هذا منطقي؟"، فقد سلمت مقود القيادة. يطلق المؤلفون على هذا اسم "الاعتماد المعرفي غير النقدي". لا يتعلق الأمر بمدى تكرار استخدامك للروبوت؛ بل يتعلق بما إذا كنت قد توقفت عن القيام بالجهد الذهني الشاق.
لاحظ الباحثون أن الأدوات الموجودة لا يمكنها رصد هذه المشكلة المحددة. بعض الأدوات تقيس مدى ثقتك في الروبوت، وأخرى تقيس عدد مرات استخدامك له، وأخرى تقيس مدى معرفتك بكيفية عمل الروبوتات. لكن لا شيء منها قاس مدى اللحظة التي تتوقف فيها عن التفكير بنفسك وتجعل مخرجات الروبوت هي حقيقتك النهائية.
بناء المسطرة (مقياس ED-AIL)
لإصلاح ذلك، بنى الفريق مقياسًا يتكون من 23 سؤالًا. بدأوا بـ 61 سؤالًا وقاموا بتقليصها من خلال الطلب من الخبراء والطلاب قراءتها بصوت عالٍ لمعرفة ما إذا كانت منطقية. تقيس المسطرة النهائية خمس طرق محددة قد يترك بها الطلاب الروبوت يتولى زمام الأمور:
- اكتساب المعرفة (فخ "البحث"): هل تتوقف عن البحث عن مصادر أخرى بمجرد أن يعطيك الروبوت ملخصًا؟ (مثال: "بعد قراءة نظرة عامة من الذكاء الاصطناعي، غالبًا ما أتوقف عن البحث عن مصادر يمكن أن تتحدى أو توسع هذه النظرة").
- التفسير المفاهيمي (فخ "المعنى"): هل تقبل شرح الروبوت لفكرة صعبة باعتباره الحقيقة الوحيدة؟ (مثال: "إذا اختلف تفسيري عن شرح الذكال الاصطناعي، فغالبًا ما أقوم بتعديل فهمي نحو نسخة الذكاء الاصطناعي").
- التقييم المعرفي (فخ "القاضي"): هل تترك الروبوت يقرر ما إذا كانت إجابتك صحيحة أو ما إذا كان مصدر ما موثوقًا به؟ (مثال: "إذا قال الذكاء الاصطناعي إن حجة ما ضعيفة، فإنني عادةً ما أعاملها على أنها ضعيفة قبل أن أتحقق من ذلك بنفسي").
- إنتاج المعرفة (فخ "الكاتب"): هل تترك مخطط الروبوت أو صياغته تملي عليك طريقة كتابتك؟ (مثال: "المخططات التي يولدها الذكاء الاصطناعي غالبًا ما تحدد هيكل عملي الأكاديمي").
- التنظيم المعرفي (فخ "المخطط"): هل تترك الروبوت يقرر ما يجب أن تدرسه بعد ذلك أو متى تعلمت ما يكفي؟ (مثال: "أستخدم الذكاء الاصطناعي لتحديد ما إذا كنت قد فهمت ما يكفي للمضي قدمًا").
ما وجدته المسطرة
اختبر الباحثون هذه المسطرة على مجموعتين كبيرتين من الطلاب. إليكم ما وجدوه:
- نقاط القوة: عملت المسطرة بشكل جيد جدًا في المجالات الثلاثة الأولى: البحث عن المعلومات، وفهم المفاهيم، والحكم على الإجابات. كانت إجابات الطلاب متسقة، والأسئلة تقيس بوضوح ما كان من المفترض قياسه.
- النقاط المهتزة: كانت المسطرة أقل موثوقية في المجالين الأخيرين، خاصة "التنظيم المعرفي" (التخطيط). لم تكن الأسئلة المتعلقة بهذا الجزء مترابطة بقوة مثل غيرها. ويشير المؤلفون إلى أن هذا قد يكون بسبب كون تخطيط التعلم مهمة ضخمة ومعقدة، وأن الأسئلة الحالية قد لا تلتقطها بشكل مثالي بعد.
- فحص "الروبوت مقابل الإنسان": للتأكد من أن المسطرة لا تقيس فقط مدى حب الطلاب للروبوتات، قارنوها باختبارات أخرى. وجدوا أن الطلاب الذين سجلوا درجات عالية في المسطرة كانوا بالفعل أقل عرضة للتحقق من المصادر أو اكتشاف الأخطاء في عمل الروبوت. ومع ذلك، لم يكن الارتباط قويًا للغاية، مما يعني أن المسطرة تقيس موقفًا محددًا تجاه الروبوت، وليس بالضرية مدى جودة أداء الطالب لمهمة معينة في الحياة الواقعية.
ما لا تمثله هذه المسطرة
من الضروري فهم ما لم تجده هذه الدراسة. المؤلفون واضحون جدًا:
- ليست جهاز كشف الكذب: لا يمكنك استخدام هذا المقياس لاتهام طالب معين بسوء السلوك الأكاديمي أو بكونه "معتمدًا". إنها أداة بحثية، وليست دليلًا في محكمة.
- ليست حظرًا على الذكاء الاصطناعي: لا تقول الدراسة إن استخدام الذكاء الاصطناعي سيء. هي تقول إن الاعتماد غير النقدي أمر محفوف بالمخاطر. يمكن للطالب استخدام الذكاء الاصطناعي يوميًا ومع ذلك يتحقق من عمله؛ هذا المقياس يقيس الطلاب الذين لا يتحققون.
- ليست حكمًا نهائيًا: يعترف المؤلفون بأن قسم "المخطط" لديهم مهتز ويحتاج إلى مزيد من العمل. كما يشيرون إلى أن دراستهم أجريت عبر الإنترنت مع متحدثين باللغة الإنجليزية، لذا لا نعرف ما إذا كانت المسطرة ستعمل بنفس الطريقة للطلاب في دول مختلفة أو الذين يدرسون تخصصات مختلفة مثل الهندسة أو الفنون.
لماذا هذا مهم
تقدم هذه الدراسة للتربويين والباحثين طريقة جديدة للتحدث عن الذكاء الاصطناعي. بدلًا من مجرد قول "الطلاب يستخدمون الذكاء الاصطناعي كثيرًا"، يمكننا الآن أن نسأل: "هل يترك الطلاب الذكاء الاصطناعي يقوم بالتفكير نيابة عنهم؟" يقترح المؤلفون أنه إذا أرادت المدارس المساعدة، فلا ينبغي لها مجرد حظر الروبوتات. بدلاً من ذلك، يجب عليهم تصميم مهام تجبر الطلاب على التحقق من عمل الروبوت، ومقارنة المصادر، وشرح لماذا يتفقون أو يختلفون مع الذكاء الاصطناعي.
باختصار، مقياس ED-AIL هو المسودة الأولى لخريطة لمنطقة جديدة. إنه يوضح لنا أين قد تكون منحدرات "الاعتماد غير النقدي"، لكنه يحذرنا من أن الخريطة ليست مثالية بعد. نحن بحاجة إلى الاستمرار في رسمها، واختبارها، وتطويرها قبل أن نتمكن من الوثوق بها تمامًا لتوجيهنا عبر مستقبل التعلم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.