AI Research Attention and Higher Education System Response: A Lead-Lag Panel Analysis of the EU-27
يكشف تحليل البيانات الطولية لدول الاتحاد الأوروبي السبعة والعشرين أن مؤشرات نظام التعليم العالي مدفوعة في المقام الأول باستمرارها التاريخي الخاص بدلاً من الاهتمام بالذكاء الاصطناعي، باستثناء الحالة الوحيدة المتمثلة في أن اهتمام البحث العام بالذكاء الاصطناعي التوليدي يتنبأ بزيادة طفيفة في الإنفاق اللاحق على البحث والتطوير.
في عالم التعليم العالي، برز سؤال هادئ ولكنه قوي مع إعادة تشكيل الذكاء الاصطناعي لكيفية التعلم والعمل: هل يغير الضجيج حول التكنولوجيا الجديدة النظام فعلياً، أم أن النظام يتحرك ببساطة من تلقاء نفسه؟ لعقود من الزمن، درس الباحثون كيفية انتشار الأدوات الجديدة عبر المدارس والجامعات. فهم يعلمون أنه عندما تصل تكنولوجيا جديدة، يشعر الناس بالفضول، ويكتب الباحثون أوراقاً بحثية عنها، وتضع الحكومات سياسات. لكن هناك فجوة في فهمنا؛ فنحن غالباً ما نرى هذه الأشياء تحدث في وقت واحد، لكننا نادراً ما نعرف أيهما يأتي أولاً. هل تدفع طفرة الاهتمام العام والكتابة الأكاديمية حول الذكاء الاصطناعي الجامعات لتغيير أعداد المسجلين، أو إنفاق المزيد من الأموال على الأبحاث، أو تدريب المزيد من الناس على المهارات الرقمية؟ أم أن هذه التغييرات الكبيرة في نظام التعليم تحدث بسبب خطط طويلة المدى ونقاط قوة قائمة، بينما يركب ضجيج الذكاء الاصطناعي مجرد موجة عابرة؟ هذا السؤال يهم قادة الجامعات والمسؤولين الحكوميين الذين يجب عليهم تقرير أين ينفقون المليارات من الدولارات. فإذا كان الضجيج هو ما يقود التغيير، فعليهم التحرك بسرعة. أما إذا كان النظام يتحرك من تلقاء نفسه، فقد يكونون بصدد إهدار الموارد في مطاردة اتجاه لا يقود السفلة في الواقع.
للإجابة على ذلك، وضع باحثان دراسة لفحص الاتحاد الأوروبي بأكمله، من خلال النظر في بيانات جميع الدول الأعمة السبع والعشرين على مدى ست سنوات. لقد تعاملا مع نظام التعليم كعملاق بطيء الحركة، وتتبعا ثلاثة أشياء محددة تحدد صحته: عدد الشباب المسجلين في الكليات، وكمية الأموال التي تنفقها الدول على البحث والتطوير، ونسبة البالغين الذين يمتلكون مهارات رقمية قوية. ثم قارنا هذه الأرقام بطيئة الحركة مقابل ثلاثة مقاييس للاهتمام بالذكاء الاصطناعي: عدد الأوراق الأكاديمية المكتوبة حول الذكاء الاصطناعي التوليدي، وجود سياسات حكومية وطنية حول الموضوع، وحجم عمليات بحث الناس عن هذه التكنولوجيا على جوجل. بنى الباحثون نموذجاً نظر إلى الماضي للتنبؤ بالمستقبل. وطرحوا سؤالاً بسيطاً ومباشراً: إذا كان لدى بلد ما الكثير من الاهتمام بالذكاء الاصطناعي في العام الماضي، فهل سيشهد هذا البلد تغييراً في الالتحاق بالجامعات، أو الإنفاق على الأبحاث، أو المهارات الرقمية في هذا العام؟ كما سألوا العكس: هل القدرة الموجودة في التعليم والبحث لدى بلد ما تتنبأ بطفرة في أوراق الذكاء الاصطناعي في العام التالي؟
رسمت النتائج صورة لنظام يتسم بعناد ملحوظ. كان أقوى مؤشر لكيفية عدد الطلاب في الكلية، أو كمية الأموال المنفقة على الأبح、 أو مدى مهارة القوى العاملة، هو ببساطة ما كانت عليه تلك الأرقام في العام السابق. بعبارة أخرى، يميل النظام إلى الاستمرار في فعل ما كان يفعله بالفعل. وجد الباحثون أن المحادثة العالمية المكثفة حول الذكاء الاصطناعي، والتي انفجرت بعد إطلاق روبوت دردشة شهير في أواخر عام 2022، لم تفرض تغييراً سريعاً فورياً عبر هذه المجالات الثلاثة الرئيسية. وعندما نظروا فيما إذا كان عدد الأوراق الأكاديمية حول الموضوع سيؤدي إلى تسجيل المزيد من الطلاب في الكليات أو تعلم المزيد من الناس للمهارات الرقمية، أظهرت البيانات عدم وجود صلة واضحة. وكان الأمر نفسه ينطبق على وثائق السياسة الحكومية؛ إذ لم يبدُ أن مجرد وجود استراتيجية وطنية قد حفز تغييرات فورية في مخرجات النظام. وحتى الفكرة العكسية، وهي أن البلدان ذات الأنظمة التعليمية القوية ستنتج بطبيعة الحال المزيد من أبحاث الذكاء الاصطناعي، لم تدعمها البيانات. لم تبدُ قدرة النظام هي المحرك الذي يقود طفرة الأبحاث.
ومع ذلك، كانت هناك استثناء واحد صغير ومحدد لهذه القاعدة من الجمود. اكتشف الباحثون رابطاً بين الفضول العام وتمويل الأبحاث. فعندما بحث الناس في بلد ما عن معلومات حول الذكاء الاصطناعي التوليدي على الإنترنت، بدا أن هذا الاهتمام يتنبأ بزيادة طفيفة في الإنفاق على الأبحاث في العام التالي. كان التأثير متواضعاً، لكنه كان المرة الوحيدة التي أظهرت فيها البيانات أن الاهتمام يمكن أن يؤدي إلى الفعل. وتحديداً، ارتبطت القفزة الملحوظة في الاهتمام بالبحث بارتفاع طفيف في نسبة الناتج الاقتصادي للبلد المخصصة للبحث والتطوير. يشير هذا إلى أنه بينما قد يدفع هوس الجمهور بالتكنولوجيا الحكومات إلى وضع المزيد قليلاً من المال في الأبحاث، إلا أنه لا يبدو قوياً بما يكفي لتغيير عدد الطلاب الذين يلتحقون بالكليات أو عدد البالغين الذين يتعلمون المهارات الرقمية بسرعة.
خلصت الدراسة إلى أن قصة الذكاء الاصطناعي في التعليم العالي الأوروبي ليست قصة ثورة شاملة في النظام مدفوعة بالضجيج، بل هي قصة استمرارية. فالمؤشرات الكبرى لصحة التعليم والاقتصاد تتحرك وفقاً لتياراتها العميقة والبطيئة الخاصة بها، وغير متأثرة إلى حد كبير بالضوضاء السنوية لاتجاه تكنولوجي جديد. إن اهتمام الجمهور والمجتمع الأكاديمي يسيران جنباً إلى جنب مع المخرجات البحثية، لكنهما لم يسحبا بقية النظام خلفهما بعد. وبالنسبة لصناع السياسات، يعني هذا أنه بينما قد يوفر تتبع الاهتمام العام إشارة خافتة حول توجه أموال الأبحـوث، إلا أنه ليس بلورة سحرية موثوقة للتنبؤ بالتغيرات في أعداد الطلاب أو مهارات القوى العاملة. إن النظام لا يتم إعادة تشكيله بين عشية وضحاها بوصول الذكاء الاصطناعي؛ بل يتغير بوتيرته الخاصة، حيث تركب التكنولوجيا الجديدة الموجة حالياً بدلاً من أن تكون هي من يصنعها.
ملخص تقني: اهتمام أبحاث الذكاء الاصطناعي واستجابة نظام التعليم العالي في دول الاتحاد الأوروبي الـ 27
بيان المشكلة تعتمد الأدبيات الحالية المتعلقة بالذكاء الاصطناعي التوليدي (GenAI) في التعليم العالي بشكل أساسي على دراسات حالة على المستوى الجزئي أو الارتباطات المتزامنة (في نفس العام). وتفشل هذه النهج في إثبات الأسبقية الزمنية والسببية الاتجاهية بين الاهتمام بالذكاء الاصطناًعي والتغيرات النظامية الأوسع في التعليم العالي. وتحديداً، لا يزال من غير الواضح ما إذا كان تصاعد الاهتمام البحثي، والنشاط السياساتي، وحجم البحث العام، يدفع فعلياً نحو التكيفات الهيكلية — مثل التغيرات في الالتحاق بالتعليم العالي، والإنفاق على البحث والتطوير (R&D)، وتطوير المهارات الرقمية — أم أن هذه المؤشرات النظامية تعكس مجرد مسارات تاريخية مستقلة عن الاهتمام بالذكاء الاصطناعي. علاوة على ذلك، تفتقر الأدبيات إلى أدلة على المستوى الكلي وعبر الدول لاختبار ما إذا كانت القدرة النظامية الراسخة (القدرة الاستيعابية) تتنبأ بمخرجات أبحاث الذكاء الاصطناعي المستقبلية.
المنهجية تستخدم الدراسة تحليل لوحة (panel analysis) يعتمد على علاقة "السبق واللحاق" (lead-lag) عبر جميع دول الاتحاد الأوروبي الـ 27 خلال الفترة من 2020 إلى 2025 (N=162 ملاحظة دولة-سنة).
مصادر البيانات: يستخدم التحليل بيانات مفتوحة من Eurostat، والبنك الدولي، وOpenAlex، وGoogle Trends، ومرصد سياسات الذكاء الاصطنا strip (OECD AI Policy Observatory).
المتغيرات:
متنبئات الاهتمام بالذكاء الاصطناعي (السنة t−1): المنشورات المتعلقة بالذكاء الاصطناعي التوليدي والتعليم العالي المحولة لوغاريتمياً، ومؤشر سياسة الذكاء الاصطناعي الوطني (0–2)، ومؤشر مركب لاهتمام البحث في Google Trends.
مخرجات النظام (السنة t): إجمالي الالتحاق بالتعليم العالي، والإنفاق على البحث والتطوير كنسبة من الناتج المحلي الإجمالي، وحصة السكان الذين يمتلكون مهارات رقمية فوق الأساسية.
الاستراتيجية القياسية الاقتصادية: قدر المؤلفون أربعة نماذج لوحة ذات تأثيرات ثابتة ثنائية الاتجاه مع أخطاء معيارية متينة (مجمعة حسب الدولة).
النماذج الأمامية (ثلاثة): تختبر ما إذا كانت مقاييس الاهتمام بالذكاء الاصطناعي المتأخرة تتنبأ بمخرجات النظام الحالية، مع التحكم في التأخر الخاص بالمخرج نفسه (الحد الذاتي) لعزل القوة التنبؤية المتزايدة بعيداً عن الاستمرارية.
النموذج العكسي (واحد): يختبر ما إذا كانت مخرجات النظام المتأخرة تتنبأ بنشاط منشورات الذكاء الاصطناعي التوليدي الحالي، مع التحكم في تأخر سلسلة المنشورات نفسها.
قيود التصميم: نظراً لقصر البعد الزمني (ست سنوات)، تستخدم الدراسة تأخراً واحداً فقط لمدة سنة واحدة. وهي تستبعد صراحةً تشخيصات سببية "جرانجر" الكاملة (مثل اختبارات التكامل المشترك، واختبارات الاعتماد المقطعي) التي تتطلب سلاسل زمنية أطول، مع الإقرار بأن هذا يعد عيباً محدداً في القسم 6.
المساهمات الرئيسية
بناء لوحة قابلة لإعادة الإنتاج: تبني الدراسة لوحة مفتوحة المصدر (دولة-سنة) تلتقط الاهتمام بأبحاث الذكاء الاصطناعي ومؤشرات التعليم العالي عبر دول الاتحاد الأوروبي الـ 27، مما يسد الفجوة في الأدلة متعددة السنوات على المستوى الكلي.
توصيف السبق واللحاق ثنائي الاتجاه: على عكس الدراسات السابقة التي تعتمد على ارتباطات في نفس العام، يطبق هذا التصميم اختباراً بأسلوب "جرانجر" لتحديد الأسبقية الزمنية، وفحص ما إذا كان الاهتمام بالذكاء الاصطناعي يقود التغيير النظامي وما إذا كانت القدرة النظامية تقود مخرجات أبحاث الذكاء الاصطناعي.
تشخيصات اللوحة:تُقر الدراسة بغياب فحوصات المتانة القياسية للاعتماد المقطعي وعدم التجانس الهيكلي (مثل اختبارات التكامل المشترك) بسبب قصر طول اللوحة، وتصنف ذلك صراحة كعيب منهجي بدلاً من كونه ميزة للتحليل.
النتائج يكشف التحليل أن الاستمرارية، وليس الاضطراب المدفوع بالذكاء الاصطناعي، هي العامل المهيمن في تفسير التباين السنوي في مؤشرات النظام.
هيمنة الحد الذاتي: في جميع النماذج الأربعة، كانت القيمة المتأخرة للمتغير التابع (ماضي المخرج نفسه) هي أقوى متنبئ بقيمته الحالية (تراوحت المعاملات بين 0.447 و0.716، جميعها عند مستوى دلالة p<0.001).
الإنفاق على البحث والتطوير: يتنبأ الاهتمام بالبحث العام المتأخر بشكل كبير بإنفاق البحث والتطوير للسنة التالية (المعامل = 0.0042، p=0.003). هذا هو الارتباط المتبادل الوحيد ذو الدلالة الإحصائية الذي تم العثور عليه. الحجم متواضع: زيادة قدرها 10 نقاط في مؤشر البحث ترتبط بزيادة قدرها حوالي 0.042 نقطة مئوية في نسبة البحث والتطوير إلى الناتج المحلي الإجمالي.
الالتحاق بالتعليم العالي: تظهر منشورات الذكاء الاصطناعي التوليدي المتأخرة ارتباطاً سلبياً هامشياً مع الالتحاق في السنة التالية (المعامل = -0.746، p=0.092)، وهو ما لا يصل إلى مستوى الدلالة التقليدي. كما أن مؤشر السياسة أو الاهتمام بالبحث لا يتنبآن بالالتحاق بشكل معتد به إحصائياً.
المهارات الرقمية: لم تتنبأ أي من مقاييس الاهتمام بالذكاء الاصطناعي الثلاثة بالمهارات الرقمية في السنة التالية.
النموذج العكسي (القدرة النظامية ← الاهتمام بالذكاء الاصطناعي):
لم تتنبأ أي من مخرجات النظام المتأخرة (الالتحاق، البحث والتطوير، المهارات الرقمية) بنشاط منشورات الذكاء الاصطناعي التوليدي المستقبلي. وهذا يناقض الفرضية القائلة بأن القدرة النظامية المسبقة تعمل كمحرك أساسي لمخرجات أبحاث الذكاء الاصطناعي المستقبلية في هذا الإطار الزمني.
الأهمية والادعاءات يزعم البحث أنه ضمن أفق مدته سنة واحدة، هناك أدلة محدودة على أن الاهتمام بالذكاء الاصطناعي يقود تغييراً مؤسسياً واسع النطاق في أنظمة التعليم العالي عبر دول الاتحاد الأوروبي الـ 27.
قوة تنبؤية متواضعة: تخلص الدراسة إلى أن البحث العام في الذكاء الاصطناعي التوليدي يبدو أنه يسبق زيادات صغيرة في الاستثمار البحثي، لكن هذه العلاقة ضيقة ولا تمتد لتشمل الالتحاق أو المهارات.
رفض السببية الواسعة: تنفي النتائج وجود علاقة أمامية قوية وواسعة حيث يقود الاهتمام بالذكاء الاصطناعي تغييرات متزامنة في الالتحاق والإنفاق والمهارات. كما تنفي وجود علاقة عكسية قوية حيث تكون القدرة النظامية الموجودة مسبقاً هي المحرك الرئيسي لنمو أبحاث الذكاء الاصطناعي.
تفسير النتائج الصفرية: يرى المؤلفون أن عدم وجود تأثيرات معنوية على الالتحاق والمهارات الرقمية هو أمر معلوماتي وليس مجرد غياب للبيانات؛ مما يشير إلى أن هذه المؤشرات النظامية مدفوعة بقوى هيكلية بطيئة (الديموغرافيا، السياسات طويلة الأمد) بدلاً من التحولات التكنولوجية السريعة.
الآثار السياساتية: تشير النتائج إلى أنه لا ينبغي لصناع السياسات معاملة الاهتمام بأبحاث الذكاء الاصطناعي كمؤشر رائد للتحولات الفورية في نتائج الالتحاق أو المهارات. وبينما قد يوفر تتبع اتجاهات البحث العام إشارات مبكرة، وإن كانت غير كاملة، للاستثمار البحثي، إلا أن البيانات لا تدعم الرؤية القائلة بأن الذكاء الاصطناعي يعيد حالياً تشكيل المشهد الأوسع للتعليم العالي ضمن دورة زمنية مدتها سنة واحدة. وتؤكد الدراسة أن نمو أبحاث الذكاء الاصطناعي التوليدي في أوروبا قد اتبع مساراً مدفوعاً بالاهتمام العام الخارجي (ما بعد إطلاق ChatGPT) بدلاً من تراكم تدريجي للقدرات الرقمية أو البحثية المسبقة.
يحافظ المؤلفون على نبرة حذرة، مشيرين إلى أن فجوة التأخر لمدة سنة واحدة قد لا تكون كافية لالتقاط دورات التخطيط المؤسسي الأطول، وأن الدراسة تقيس مؤشرات نظامية بدلاً من التكيفات على مستوى الفصول الدراسية المحددة. ويفترضون أن الأبحاث المستقبلية ذات الآفاق الزمنية الأطول والبيانات على مستوى المؤسسات قد تكشف عن ديناميكيات مختلفة.