Investigating Generative AI for Personalized College Assignments Based on Student Interests
تقدم هذه الورقة Taklif.AI، وهي منصة ذكاء اصطناعي توليدي عديمة الخادم تستفيد من نموذج Llama 3.3 وهندسة الأوامر الهيكلية لإنشاء واجبات جامعية مخصصة بناءً على اهتمامات الطلاب الفريدة وسياقاتهم الثقافية، مما يظهر استجابة إيجابية من المستخدمين مع معالجة تحديات التفاعل والأخلاقيات في التعليم.
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 الفصول الدراسية حول العالم، يواجه المعلمون صراعاً هادئاً ولكنه مستمر: كيف يمكن جعل درس واحد يبدو شخصياً لعشرات الطلاب الذين يفكرون ويتعلمون ويهتمون بأشياء مختلفة تماماً. فقد يجد الطالب الذي يحب علم الفلك مسألة رياضية معيارية حول إشارات المرور مملة، بينما قد يجد طالب مهووس بكرة السلة صعوبة في رؤية الجدوى من تمرين برمجة عام. ولعقود من الزمن، عرف التربويون أن ربط العمل المدرسي بشغف الطالب الخاص يمكن أن يثير الدافع ويعمق الفهم، لكن القيام بذلك لكل واجب مدرسي في فصل دراسي كبير هو مهمة من شأنها أن تستهلك حياة المعلم بأكملها. وقد فتح وصول البرامج الحاسوبية القوية القادرة على كتابة نصوص تشبه النصوص البشرية باباً جديداً. فهذه الأدوات، المعروفة باسم النماذج اللغوية الكبيرة، يمكنها قراءة واجب مدرسي معياري وإعادة كتابته ليتناسب مع اهتمام محدد، مما يوفر نظرياً طريقة لتقديم نسخة فريدة من الدرس نفسه لكل طالب دون مطالبة المدرس بساعات عمل إضافية.
قام فريق من الباحثين من الجامعة الإسلامية في غزة وجامعة سالينتو في إيطاليا باختبار ما إذا كانت هذه التكنولوجيا يمكن أن تنجح بالفعل في بيئة جامعية حقيقية. لقد بنوا منصة ويب تسمى Taklif.AI، مصممة لأخذ واجب مدرسي معياري — مثل مهمة برمجة أو مسألة رياضية — وإعادة تشكيله تلقائياً ليتماشى مع هوايات الطالب، مثل كرة القدم، أو ألعاب الفيديو، أو الموسيقى. لا يغير النظام الدرس الأساسي أو درجة صعوبة العمل؛ بل يعمل بدلاً من ذلك كمترجم، حيث يأخذ المتطلبات الأصلية ويلفها في قصة جديدة تخاطب الاهتمامات الشخصية للطالب. ولضمان عدم خروج الحاسوب عن الموضوع أو إنتاج محتوى غير آمن، برمج الباحثون قواعد صارمة، أو حواجز حماية، تتحقق من كل من مدخلات الطالب ومخرجات الحاسوب قبل عرض أي شيء.
اختبر الباحثون نظامهم مع 68 مشاركاً، بما في ذلك 65 طالباً في مرحلة البكالوريوس وثلاثة تربويين. استخدم كل شخص المنصة لتخصيص واجب واحد من اختياره. وكانت النتائج مشجعة؛ فعند سؤالهم عما إذا كانت النسخة المخصصة تبدو أكثر جاذبية من النسخة المعيارية، وافق 84 بالمائة من المشاركين أو وافقوا بشدة. ووجد الغالبية العظمى أيضاً أن النظام سهل الاستخدام وشعروا بأن الأهداف التعليمية الأصلية قد تم الحفاظ عليها. نجحت المنصة في توليد أمثلة مثل تحدٍ برمجي حول إيجاد أزواج من الأرقام، والذي تمت إعادة كتابته لطالب مهتم بعلم الفلك كمهمة حول محاذاة عدسات التلسكوب لتتطابق مع شدة ضوء النجوم. وخلال مثال آخر، تحولت مسألة في نظرية المجموعات إلى سيناريو حول تحليل فرق كرة السلة واللاعبين المشتركين بينهم. وفي هذه الحالات، ظل المنطق الرياضي وقواعد المسألة كما هي تماماً، لكن السياق تغير ليتناسب مع عالم الطالب.
ومع ذلك، يحرص الباحثون على ملاحظة ما لم تثبته دراستهم بعد. فبينما أفاد الطلاب بأن الواجبات بدت أكثر إثارة للاهتمام، لم يقيس الفريق ما إذا كان هذا الاهتمام المتزايد قد أدى بالفعل إلى درجات اختبار أفضل، أو فهم أعمق، أو حالات أقل من عدم الأمانة الأكاديمية. كانت الدراسة بمثابة فحص أولي لما إذا كان الناس يحبون الفكرة ويجدون الأداة قابلة للاستخدام، وليس حكماً نهائياً على ما إذا كانت تحسن مخرجات التعلم. كما أن للنظام حدوداً؛ فهو يعتمد على الطلاب للإبلاغ بصدق عن اهتماماتهم، ولا يمكنه بعد التعامل مع كل نوع من الواجبات أو المواضيع بنفس السهولة. ويقر الباحثون بأن المواضيع شديدة التجريد قد يكون من الصعب إعادة صياغتها دون فقدان جوهرها، ويحذرون من أن الإفراط في سرد القصص قد يشتت الانتباه عن العمل الفعلي.
يمثل المشروع خطوة مهمة في نقل الذكاء الاصطناعي من أداة تجيب ببساطة على الأسئلة إلى أداة تساعد في تصميم التجربة التعليمية نفسها. ومن خلال الجمع بين بنية حاسوبية مرنة وفحوصات سلامة دقيقة، أثبت الفريق أنه من الممكن توليد واجبات فريدة قائمة على الاهتمامات بمقياس كان مستحيلاً سابقاً على المعلمين البشريين إدارته. ستتضمن المرحلة التالية من عملهم مقارنة أكثر صرامة، حيث سيتم وضع الطلاب الذين يتلقون هذه الواجبات المخصصة في مواجهة أولئك الذين يتلقون واجبات معيارية لمعرفة ما إذا كان التخصيص يغير حقاً مقدار ما يتعلمونه. وفي الوقت الحالي، تشير الدراسة إلى أنه عندما تُستخدم التكنولوجيا لسد الفجوة بين حياة الطالب وعمله المدرسي، فإن النتيجة تكون تجربة صفية تبدو أقل شبهاً بالعبء وأكثر شبهاً بالحوار.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.