Dynamic User-State Modeling for LLM-Assisted Cultural Heritage Exploration: A Secondary Analysis of Semantic, Behavioral, and Psychometric Signals
تقترح هذه الدراسة إطاراً لنمذجة حالة المستخدم بشكل ديناميكي يدمج الإشارات الدلالية والسلوكية والنفسية للتنبؤ بمقاييس تجربة المستخدم في استكشاف التراث الثقافي بمساعدة النماذج اللغوية الكبيرة، مما يثبت أن الأنظمة التكيفية يمكنها بفعالية تخصيص التوجيه الحواري وفقاً للفضول وأنماط التفاعل لكل فرد.
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 أنك تسير في متحف رقمي شاسع، حيث ليست المعروضات مجرد صور ثابتة بل قصص حية تنتظر من يستكشفها. في هذه النسخة الحديثة من المواقع الثقافية، يمكن للزوار التجول عبر المجموعات، وطرح الأسئلة، وبناء مساراتهم الخاصة عبر التاريخ. لسنوات طويلة، حاول الباحثون تحسين هذه التجارب الرقمية عبر إضافة ذكاء اصطناه يعلب دوراً تفاعلياً، يجيب على الأسئلة ويقترح ما يجب مشاهدته تالياً. كان الهدف دائماً هو مساعدة الناس على التواصل مع الماضي، ولكن ظل هناك تحدٍ جوهري قائم: ليس الجميع يستكشفون بالطريقة نفسها. فبعض الزوار فضوليون للغاية ويطرحون أسئلة معقدة، بينما يفضل آخرون أن يتم توجيههم بلطف أو قد يشعرون بالارتباك بسبب كثرة الحرية المتاحة. إن نهج "النموذج الواحد الذي يناسب الجميع"، حيث يتحدث الذكاء الاصطناعي إلى الجميع بنفس النبرة ويقدم نفس المستوى من المساعدة، غالباً ما يخطئ الهدف؛ فهو يفشل في ملاحظة متى يبتعد الزائر عن اهتماماته أو متى يكافح لإيجاد الخطوة التالية.
هنا يأتي دور دراسة جديدة من باحثين في كلية تان كاه كي بجامعة شيامن. لقد طرحوا سؤالاً بسيطاً ولكنه صعب: هل يمكننا تعليم الذكاء الاصطناعي فهم الحالة المتغيرة لعقل الزائر أثناء الاستكشاف؟ بدلاً من مجرد النظر إلى الدرجة النهائية لمدى إعجاب المستخدم بالتجربة، أراد الفريق معرفة ما إذا كان بإمكانهم التنبؤ برضا المستخدم وثقته من خلال مراقبة تفاعلاته في الوقت الفعلي. لقد ركزوا على ثلاثة أشياء محددة: الكلمات الفعلية التي كتبها المستخدم والإجابات التي قدمها الذكاء الاصطناعي، والأفعال الجسدية التي قام بها المستخدم مثل النقر والتمرير، وسمات شخصية المستخدم، وتحديداً مستوى فضوله الطبيعي. ومن خلال الجمع بين هذه المسارات الثلاثة من المعلومات، بنوا نموذجاً يعامل كل زائر كفرد فريد ذي حالة ذهنية متغيرة، وليس مجرد رقم في استطلاع رأي.
لاختبار هذه الفكرة، حلل الباحثون بيانات من 44 شخصاً زاروا سابقاً موقعاً للتراث الرقمي. قضى هؤلاء الزوار وقتاً في استكشاف موضوعات تاريخية مختلفة، وطرح أسئلة، وقراءة إجابات ولدها نموذج لغوي كبير. أخذ الباحثون هذه البيانات الموجودة وقاموا بتفكيكها إلى قطع صغيرة ذات معنى. نظروا في مدى تطابق السؤال مع المعرض المحدد الذي كان يشاهده المستخدم في تلك اللحظة، ومدى ابتعاد المحادثة عن الموضوع الرئيسي، وما إذا كانت الإجابات المقدمة من الذكاء الاصطناعي تبدو ذات صلة ومتماسكة. كما تتبعوا المدة التي قضاها المستخدم في الموقع، وعدد المعروضات التي زارها، والسرعة التي انتقل بها من إجراء إلى آخر. والأهم من ذلك، أدرجوا مقياساً لفضول المستخدم، مأخوذاً من استبيان نفسي معياري، لمعرفة ما إذا كان رغبة الشخص الطبيعية في التعلم تغير طريقة استجابته لمساعدة الذكاء الاصطناعي.
كشفت النتائج أن الطريقة التي يتفاعل بها الناس مع الذكاء الاصطناعي الثقافي هي أكثر تعقيداً من مجرد الاختيار بين جولة موجهة أو استكشاف حر. وجدت الدراسة أن الذكاء الاصطناعي نجح في التنبؤ بمدى استمتاع المستخدم بالتجربة ومدى ثقته في النظام، حتى قبل انتهاء الجلسة. لم ينجح هذا التنبؤ لأن الذكاء الاصطناعي عرف اسم المستخدم أو عمره، بل لأنه كان يراقب تدفق المحادثة وسلوك المستخدم. على سبيل المثال، أظهرت الدراسة أن السلوك الجسدي للمستخدم، مثل المدة التي ينتظرها بين النقرات أو مدى عمق تمريره للشاشة، كان مؤشراً قوياً على مدى سهولة استخدام النظام بالنسبة له. وفي المقابل، كان مدى بقاء إجابات الذكاء الاصطناعي ضمن الموضوع واتباعها لأسئلة المستخدم مؤشراً أفضل على ما إذا كان المستخدم يشعر بأن النظام يعمل بكفاءة.
كان أحد أكثر الاكتشافات إثارة للاهتمام يتعلق بعادة الذك de الذكاء الاصطناعي في اقتراح الأسئلة. في بعض نسخ الموقع، قدم الذكاء الاصطناعي قائمة بالأسئلة الموصى بها ليقوم المستخدم بالنقر عليها. وجد الباحثون أنه عندما يختار المستخدمون هذه الأسئلة المقترحة، تميل المحادثة إلى البقاء أكثر تركيزاً على المعرض الحالي وتتدفق بسلاسة أكبر. شعر المستخدمون بارتباط أكبر بالمحتوى الثقافي، وكانت الإجابات المقدمة من الذكاء الاصطناعي أكثر اتساقاً مع الموضوع. ومع ذلك، وجدت الدراسة أن هذه الاقتراحات لم تجعل الاستكشاف بالضرورة أكثر ابتكاراً أو إبداعاً؛ إذ غال-ما كان المستخدمون الذين يكتبون أسئلتهم الخاصة يغامرون في مناطق أكثر تميزاً، حتى لو كانت المحادثة أحياناً أقل تماسكاً. وهذا يشير إلى أن الأسئلة الموصى بها تعمل مثل "درابزين الأمان"، الذي يبقي الزائر على مسار واضح، لكنها لا تشجع بالضرورة على نوع الاكتشاف الجامح والمبدع الذي قد يسعى إليه بعض العقول الفضولية.
اكتشف الباحثون أيضاً أن مستوى المساعدة التي يحتاجها المستخدم يعتمد بشكل كبير على فضوله الطبيعي. فقد تبين أن الأشخاص الذين سجلوا درجات أقل في مقاييس الفضول استفادوا أكثر من اقتراحات الذكاء الاصطناعي وتوجيهاته، حيث وجدوا الأسئلة المعدة مسبقاً مفيدة للبدء. ومع ذلك، بالنسبة للمستخدمين ذوي مستويات الفضول العالية، لم تحدث التوجيهات الإضافية فرقاً كبيراً، إذ كانوا بالفعل بارعين في صياغة أسئلتهم الخاصة والاستكشاف بمفردهم. تتحدى هذه النتيجة فكرة أن كل زائر يحتاج إلى نفس القدر من المساعدة، بل تشير إلى أن أنظمة الذكاء الاصطناعي الأكثر فعالية هي تلك التي يمكنها استشعار متى يكافح المستخدم للعثور على موضوع ما لتقدم له المساعدة، ثم تتراجع عندما تظهر على المستخدم علامات الانخراط العميق والذاتي.
ولعل النتيجة الأكثر عملية لمستقبل المتاحف الرقمية هي أن الذكاء الاصطناعي ليس بحاجة للانتظار حتى انتهاء الجلسة لفهم المستخدم. أظهرت الدراسة أنه بحلول منتصف التفاعل، كان النظام قد جمع بالفعل معلومات كافية عن سلوك المستخدم وتدفق المحادثة لتقديم تنبؤ دقيق معقول لتجربته. وهذا يعني أنه في بيئة واقعية، يمكن للذكاء الاصطناعي تغيير سلوكه أثناء استكشاف المستخدم. يمكنه أن يقرر تقديم المزيد من الاقتراحات إذا شعر أن المستخدم تائه، أو يمكنه التوقف عن تقديم المساعدة إذا شعر أن المستخدم في حالة من التركيز العميد. لا يحتاج النظام لمعرفة تاريخ المستخدم الكامل لإجراء هذه التعديلات؛ بل يحتاج فقط لمراقبة المحادثة الحالية وهي تتكشف.
كما سلطت الدراسة الضوء على أهمية النظر إلى الصورة الكاملة. فلو اكتفى الباحثون بالنظر إلى نص المحادثة فقط، لكانوا قد فاتهم أدلة مهمة حول سهولة الاستخدام. ولو نظروا فقط إلى شخصية المستخدم، لكانوا قد فاتهم الطرق المحددة التي تفاعل بها مع الواجهة. لقد كان الجمع بين الكلمات، والأفعال، والشخصية هو ما سمح للنموذج برؤية الصورة الكاملة لتجربة المستخدم. يتجاوز هذا النهج مجرد سؤال المستخدمين عما إذا كانوا قد أحبوا الموقع في النهاية، بل يعامل التجربة كقصة ديناميكية تُكتب في الوقت الفقل، حيث يعمل الذكاء الاصطناعي كمؤلف مشارك يمكنه تكييف أسلوبه ليتناسب مع الكاتب.
ورغم أن النتائج واعدة، إلا أن الباحثين يلاحظون بحذر أن هذا تحليل ثانوي لمجموعة صغيرة نسبياً مكونة من 44 شخصاً. النتائج ليست دليلاً نهائياً على أن هذه الطريقة ستنجح مع الجميع، لكنها تقدم دليلاً قوياً على إمكانية نمذجة هذه التفاعلات المعقدة. كما تشير الدراسة إلى أن قدرة الذكاء الاصطناعي على البقاء ضمن الموضوع لا تضمن دقة الحقائق التي يقدمها؛ فالنموذج يقيس مدى تماسك الكلمات مع بعضها البعض، وليس مدى صحتها. وستحتاج الأنظمة المستقبلية إلى دمج هذا الفهم لحالة المستخدم مع التحقق من الحقائق ليكون فعالاً حقاً.
في الختام، تشير هذه الأبحاث إلى تحول في كيفية تفكيرنا في الذكاء الاصطناعي في مجال التراث الثقافي. فبدلاً من بناء دليل واحد مثالي للجميع، يمكننا بناء أنظمة حساسة للفرد. هذه الأنظمة ستدرك أن احتياجات الزائر تتغير من لحظة إلى أخرى؛ ستفهم أن لحظة الارتباك هي فرصة لتقديم المساعدة، بينما لحظة التركيز العميق هي إشارة للتراجع. ومن خلال الانتباه إلى الإشارات الدقيقة للفضول، والسلوك، والمحادثة، يمكن لهذه الأدلة الرقمية أن تصبح أكثر من مجرد آلات معلوماتية؛ يمكنها أن تصبح شركاء في الاستكشاف، تساعد كل زائر في العثور على اتصاله الفريد بالماضي. إن الطريق إلى الأمام لا يتعلق بجعل الذكاء الاصطناعي أكثر ذكاءً بشكل عام، بل بجعله أكثر وعياً بالإنسان الجالس على الطرف الآخر من الشاشة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.