An Integrated Framework for Generative AI in Undergraduate Mathematics: Policy, Pedagogy, and Assessment
تقدم هذه الورقة المفاهيمية إطار عمل AI-EPE، وهو إطار شامل يدمج السياسة والتربية والتقييم لتوجيه الاستخدام الأخلاقي والفعال للذكاء الاصطنا التوليدي في الرياضيات لمرحلة البكالوريوس من خلال تحديد مفاهيم رئيسية مثل الكفاءة الأخلاقية والوكالة المعرفية مع تقديم إرشادات واستراتيجيات تقييم محددة لكل مستوى.
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
لطالما كانت الرياضيات أكثر من مجرد مجموعة من الإجابات التي تُحفظ عن ظهر قلب. فبالنسبة للطلاب، تكمن القيمة الحقيقية للمادة في العمل الذهني المتمثل في محاولة فهم الأشياء: الصراع لفهم مفهوم ما، وعملية بناء حجة منطقية، والمسؤولية الملقاة على عاتق المرء للتحقق من النتيجة. هذا الجهد الفكري هو ما يسميه التربويون "الصراع المثمر"، وهو المحرك الذي يدفع التعلم العميق. ومع ذلك، فقد وصلت تقنية من نوع جديد يمكنها القيام بهذا العمل الذهني فوراً. فالذكاء الاصطناعي التوليدي، وهو نفس النوع من الأنظمة التي يمكنها كتابة المقالات أو إنشاء الصور، يمكنه الآن حل المسائل الرياضية المعقدة، وبناء البراهن الرسمية، وشرح المفاهيم الصعبة في ثوانٍ معدودة. وتخلق هذه القدرة معضلة عميقة للجامعات؛ فإذا كان بإمكان الآلة إنتاج حل مثالي، فكيف يمكن للمعلم أن يعرف ما إذا كان الطالب يفهم الرياضيات حقاً؟ وإذا استخدم الطالب الأداة لتجاوز مرحلة الصراع، فقد يتخرج بسجل أكاديمي مليء بالإجابات الصحيحة ولكن دون مهارات الاستنتاج التي يُفترض أن تمثلها تلك الإجابات.
إن التحدي لا يقتصر ببساطة على اكتشاف الاستخدام غير المصرح به، بل يتعلق بالحفاظ على الشيء ذاته الذي يجعل تعليم الرياضيات ذا قيمة: وهو تطوير عقل الطالب. فعندما يعتمد الطالب على الآلة للقيام بالتفكير، فإنه يفقد الفرصة لبناء المسارات العصبية المطلوبة للاستدلال المنطقي. ومع ذلك، فإن حظر هذه الأدوات تماماً يتجاهل الواقع الذي سيواجه فيه الطلاب هذه الأدوات في مسيراتهم المهنية وحياتهم المستقبلية. لقد تحول السؤال من ما إذا كان ينبغي السماح بهذه الأدوات إلى كيفية استخدامها بطريقة تعزز التفكير البشร، بدلاً من استبداله. وقد عالج الباحثون إيونمي جونج، وهيجين تينا يو، وبيتنارا جاسمين بارك، وميا كانغ، هذه المشكلة المعقدة من خلال اقتراح طريقة جديدة للتفكير في العلاقة بين السياسة والتدريس والاختبار في مرحلة البكالوريوس في الرياضيات.
يقدم المؤلفون إطار عمل يسمى AI-EPE، والذي يرمز إلى الكفاءة الأخلاقية (Ethical Competency)، والمنفعة المدركة (Perceived Utility)، والوكالة الإبستيمية (Epistemic Agency). تشكل هذه الأفكار الثلاث ركيزة نهجهم. فالكفاءة الأخلاقية هي القدرة على الحكم متى يكون استخدام الأداة صحيحاً ومتى لا يكون كذلك؛ وهي ليست مجرد اتباع قاعدة، بل فهم الغرض من مهمة التعلم. أما المنفعة المدركة فهي الاعتقاد بأن الأداة تساعد التعلم بالفعل، بدلاً من مجرد جعل العمل أسهل. وأخيراً، فإن الوكالة الإبستيمية هي المسؤولية النشطة للطالب في أن يظل هو القائد لعملية استنتاجه؛ وهذا يعني أنه حتى عند استخدام الآلة، يجب على الطالب التحقق من الخطوات، والتشكيك في المنطق، وتحمل مسؤولية النتيجة النهائية. ويجادل الباحثون بأنه لكي ينجو تعليم الرياضيات من هذا التحول التكنولوجي، يجب استيفاء هذه الشروط الثلاثة في كل مستوى من مستويات الجامعة، بدءاً من الإدارة وصولاً إلى الواجب المنزلي الفردي.
يوضح البحث كيفية تطبيق هذه الشروط من خلال ثلاث طبقات متميزة من الحوكمة. في المستوى الأعلى، تضع إدارة الجامعة القواعد الأساسية، مثل حماية خصوصية بيانات الطلاب وضمان عدم مطالبة أي مساق للطلاب بدفع ثمن برمجيات باهظة الثمن، مما يخلق خط أساس عادل للجميع. الطبقة الثانية تنتمي إلى قسم الرياضيات؛ ولأن الرياضيات مادة تراكمية حيث تُبنى المهارات على بعضها البعض، يجب على القسم تحديد المهارات المحددة في أي مساقات يجب ممارستها دون أي مساعدة. على سبيل المثال، في فصل دراسي لأساسيات الجبر، قد يقرر القسم أن الطلاب يجب أن يقوموا بالعمليات الحسابية الأساسية بمفردهم لضمان استعدادهم لحساب التفاضل والتكامل لاحقاً. وفي فصل دراسي للإحصاء، قد تكون القاعدة هي أن الطلاب يجب أن يختاروا النموذج ويفسروا النتائج، حتى لو سُمح لهم باستخدام الأداة لإصلاح أخطاء البرمجة. تضمن هذه الطبقة عدم تقويض الأهداف التعليمية لمساق ما بسبب قواعد مساق آخر. أما الطبقة الثالثة فهي الفصل الدراسي نفسه، حيث يقوم المدرسون بترجمة المعايير القسمية إلى تعليمات محددة لكل واجب، وإخبار الطلاب بدقة متى وكيف يمكنهم استخدام الأداة.
ولجعل هذا الأمر يعمل في الممارسة العملية، يقترح الباحثون تغيير طبيعة العمل الذي يقوم به الطلاب. فبدلاً من طلب الإجابة النهائية، التي يمكن للآلة توليدها فوراً، يجب على المعلمين طلب "عملية التفكير". ومن الطرق الفعالة أن يقوم الطلاب بحل مسألة بمفردهم أولاً، ثم يستخدمون الأداة للتحقق من عملهم، وأخيراً يكتبون ما تعلموه من هذه المقارنة. وهناك نهج آخر يتمثل في جعل الطلاب يعملون كـ "نقاد"، حيث يبحثون عن الأخطاء في الحل الذي أنتجته الآلة أو يشرحون لماذا قد يكون جواب الآلة مضللاً. وفي مساق قائم على البراهين، قد يُطلب من الطالب بناء حجة منطقية من الصفر ثم استخدام الأداة لمحاولة إيجاد ثغرة فيها. تنقل هذه المهام التركيز من الحصول على الإجابة الصحيحة إلى إظهار القدرة على التحكم في الاستدلال وتقييمه وتبريره. ويؤكد الباحثون أن الهدف ليس حظر التكنولوجيا، بل تصميم مهام تتطلب من العقل البشري القيام بالجهد الشاق الذي لا تستطيع الآلة تكراره.
يتناول البحث أيضاً كيفية تقييم هذا النوع الجديد من العمل. وبما أن الإجابة الصحيحة لم تعد الدليل الوحيد على الفهم، فإن معايير التقييم يجب أن تتغير. يجب على المعلمين البحث عن دليل على "اتخاذ القرار"، حيث يشرح الطالب سبب اختياره لمسار معين. كما يجب أن يبحثوا عن "التبرير"، حيث يدعم الطالب خياراته بالمنطق بدلاً من مجرد تكرار ما قالته الآلة. ويجب عليهم أيضاً البحث عن "اكتشاف الأخطاء"، حيث يرصد الطالب أخطاءً في مخرجات الآلة، و"شفافية الاستدلال"، حيث يشرح الطالب عملية تفكيره بوضوح. ومن خلال التركيز على هذه العناصر، يمكن للمربين تقييم ما إذا كان الطالب يفهم المادة حقاً، حتى لو استخدم أداة للمساعدة. ويشير الباحثون إلى أن هذه الاستراتيجيات تكون أكثر فعالية عندما تُمارس في تكليفات منخفضة المخاطر قبل استخدامها في الاختبارات الرئيسية، مما يمنح الطلاب وقتاً لتطوير عادة المشاركة النقدية.
وعلى الرغم من الخطة المفصلة، يحرص المؤلفون على التأكيد على أن هذا الإطار هو مقترح وليس حلاً مُثبتاً. فهو نموذج مفاهيمي بُني من خلال دمج النظريات القائمة حول التدريس والتكنولوجيا مع الاحتياجات المحددة للرياضيات. ولم يتم اختباره بعد في الفصول الدراسية لمعرفة ما إذا كان يحسن تعلم الطلاب بالفعل أو ما إذا كان عملياً للمعلمين لتنفيذه. ويقر الباحثون بأن أفكارهم طُورت بشكل أساسي في سياق نظام التعليم العالي في الولايات المتحدة، وقد تحتاج إلى تعديل لتناسب دولاً أخرى أو أنواعاً مختلفة من المؤسسات. كما يشيرون إلى أن الحدود بين أفكارهم الثلاث الرئيسية —الأخلاق، والمنفعة، والوكالة— قد تتداخل بطرق ليست واضحة بعد. وستحتاج الدراسات المستقبلية إلى اختبار ما إذا كانت هذه الأفكار تعمل معاً كما هو مخطط لها وما إذا كان يمكن تكييفها مع مجموعات طلابية وهياكل مساقات مختلفة.
الهدف النهائي لهذا العمل هو مساعدة الجامعات على التنقل في مستقبل يكون فيه الذكاء الاصطناعي حاضراً دائماً. ويقترح الباحثون أن الحل لا يكمن في محاربة التكنولوجيا، بل في إعادة تصميم التعليم لضمان بقاء الطلاب هم المفكرين الأساسيين. ومن خلال التحديد الواضح لما يجب القيام به بشكل مستقل وما يمكن دعمه بواسطة الآلة، ومن خلال تصميم تقييمات تجعل الاستدلال البشري مرئياً، يمكن للمربين حماية نزاهة التعلم الرياضي. يقدم البحث نقطة انطلاق للأقسام والمدرسين لخوض هذه النقاشات الصعبة وبناء نظام تخدم فيه التكنولوجيا النمو الفكري للطالب بدلاً من استبداله. ورغم أن الإطار ليس منتجاً نهائياً، إلا أنه يوفر هيكلاً متماسكاً للمضي قدماً، بما يضمن أن يطور الجيل القادم من علماء الرياضيات والعلماء مهارات التفكير النقدي التي سيحتاجونها للازدهار في عالم مليء بالآلات الذكية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.