Association Analysis of Online Learning Behavioral Characteristics and Academic Achievement

في المشهد التعليمي الحديث، حدثت ثورة هادئة. لعقود من الزمن، كان التعلم فعلاً مادياً، محصوراً في الفصول الدراسية حيث يمكن للمعلم رؤية وجه كل طالب وقياس مدى انتباهه. اليوم، انتقل جزء كبير من ذلك التعلم إلى الشاشات، مما خلق بيئة رقمية يشاهد فيها الطلاب مقاطع الفيديو، ويقدمون التكليفات، ويؤدون الاختبارات دون أن يلتقوا بالمعلم شخصياً أبداً. وقد أدى هذا التحول إلى توليد كم هائل من البيانات، وهي أثر رقمي يتركه كل نقرة، وتوقف مؤقت، وتسجيل دخول. يتعامل مجال تحليل التعلم مع هذا الأثر ليس كسجل سلبي، بل كخريطة. فهو يقوم على فرضية بسيطة مفادها أن الطريقة التي يتصرف بها الطالب عبر الإنترنت — كيف يشاهد، وكم مرة يسجل دخوله، وكيف يتفاعل مع المواد — تحمل المفتاح لفهم ما إذا كان سينجح أو سيعاني. ومن خلال دراسة هذه الأنماط، يأمل التربويون في تجاوز مرحلة التخمين وتقديم تجربة تعليمية تتكيف مع الفرد، لضمان ألا تأتي سهولة التعليم عبر الإنترنت على حساب الفهم العميق.

تغوص دراسة حديثة أجرتها "يونيي وانغ"، من معهد فوتشو ملبورن المتعدد التقنيات، في هذا الأثر الرقمي للكشف عن السلوكيات المحددة التي ترتبط بالنجاح الأكاديمي. يركز البحث على ثلاثة مجالات رئيسية: المدة التي يقضيها الطلاب في التعلم، وما إذا كانوا ينهون دوراتهم، والدرجات التي يحققونها في النهاية. تجمع الدراسة بيانات من المنصات عبر الإنترنت والأبحاث القائمة لبناء صورة واضحة لما ينجح. والنتائج مباشرة ومع ذلك فهي جوهرية: هناك علاقة إيجابية قوية بين الوقت الذي يقضيه الطالب في الدورة، ومعدل إتمامه لها، والدرجات التي يحصل عليها. بعبارة أخرى، الطلاب الذين يتفاعلون بعمق واستمرارية أكبر هم الذين يؤدون بشكل أفضل. وهذا ليس ارتباطاً غامضاً؛ فالبيانات تظهر أن هذه العلامات السلوكية هي مؤشرات موثوقة لمدى استيعاب الطالب للمادة.

لفهم هذه الأنماط، لم يعتمد الباحثون على الملاحظة البسيطة. بل أنشأوا نظاماً متطوراً لتحليل البيانات، باستخدام نماذج حاسوبية متقدمة يمكنها رصد اتجاهات معقدة غير مرئية للعين البشرية. لقد اختبروا أساليب متنوعة، من الفحوصات الإحصائية القياسية إلى أنظمة التعلم العميق التي تحاكي طريقة معالجة الدماغ البشري للمعلومات. وبينما أظهرت الأبحاث السابقة المستشهد بها في الدراسة أن نماذجم التعلم العميق يمكن أن تحقق دقة تنبؤ تتجاوز 95 بالمائة، وجدَت النماذج المحددة التي تم تطويرها ومقارنتها في هذه الدراسة أن تقنية التعلم الجماعي التي تسمى (LightGBM) كانت الأكثر فعالية. حقق هذا النموذج أعلى دقة تنبؤية بلغت 93.8 بالمائة بين الطرق المختبرة، مما يؤكد قوة تنقيب البيانات التعليمية. كما صنفت الدراسة الطلاب إلى فئات متميزة بناءً على عاداتهم. فقد تم تحديد بعضهم كمتعلمين عاليي الأداء، يتميزون بمدد دراسية طويلة ودرجات قوية. والبعض الآخر صُنِّف كمتعلمين منخفضي الأداء، وغالباً ما يظهرون مدد زمنية قصيرة ونتائج ضعيفة. وكان هناك أيضاً متعلمون "غير مستقرين" ذوو تفاعل غير مستقر، ومتعلمون "عاليو الكفاءة" حققوا نتائج ممتازة باستثمار وقت متوسط. إن التعرف على هذه الأنواع المختلفة يسمح بنهج أكثر دقة في التدريس، بدلاً من معاملة كل طالب كما لو كان يتعلم بنفس الطريقة.

نظرت الدراسة أيضاً في السياق الأوسع لكيفية تعلم الناس عبر الإنترنت. ووجدت أن معظم المتعلمين ليس لديهم كتل زمنية كبيرة لتخصيصها للدراسة. وتظهر البيانات أن معظم الجلسات تستمر ما بين 30 إلى 60 دقيقة، مع وجود جزء كبير من المستخدمين يسجلون دخولهم عدة مرات في الأسبوع ولكن لفترات قصيرة. وهذا يشير إلى أن الدورة المثالية عبر الإنترنت ليست ماراثوناً بل هي سلسلة من الارتدادات المركزة والقابلة للإدارة. علاوة على ذلك، سلط البحث الضوء على اتجاه مثير للقلق في إتمام الدورات. فبينما يبدأ العديد من الطلاب دورة ما، فإن عدداً كبيراً منهم لا ينهيها، وأولئك الذين ينهونها غالباً ما يظهرون تراجعاً في الانتباه مع تقدم الدورة. لاحظت الدراسة أن الاهتمام يميل إلى التراجع بعد الفيديوهات الأولى، مما يشير إلى أن الحفاظ على انتباه الطالب يتطلب جهداً مستمراً وتصميماً مدروساً. إن سوق التعليم عبر الإنترنت ينمو بسرعة، مع ملايين الأشخاص الذين يسعون للتعلم في أوقات فراغهم، لكن التحدي يظل في إبقائهم منخرطين لفترة كافية للتعلم حقاً.

إن تداعيات هذه النتائج عملية وفورية. تقترح الدراسة استراتيجية ثلاثية المستويات لتحسين التعليم عبر الإنترنت. أولاً، على مستوى المنصة، يجب بناء أنظمة لمراقبة سلوك الطلاب في الوقت الفعلي. فإذا بدأ الطالب في إظهار علامات عدم الانخراط، مثل تخطي الفيديوهات أو تسجيل الدخول بشكل أقل تكراراً، يمكن للنظام إطلاق تحذير مبكر. وهذا من شأنه أن يسمح للتربويين بالتدخل قبل أن يتخلف الطالب كثيراً عن الركب. ثانياً، يجب أن يتغير تصميم الدورات نفسها. فبدلاً من المحاضرات الطويلة والخاملة، يجب تقسيم المحتوى إلى أجزاء أقصر تعتمد على السيناريوهات وتشجع على التفاعل. وتقترح الدراسة أن إضافة عناصر الاتصال العاطفي والشعور بالانتماء للمجموعة يمكن أن يحدث فرقاً كبيراً في الحفاظ على دافعية الطلاب. وأخيراً، على مستوى الإدارة، تحتاج المؤسسات إلى تدريب المعلمين على تفسير هذه البيانات واستخدامها لتوجيه طلابهم. يجب أن يعمل المعلمون كموجهين يقدمون ملاحظات شخصية بدلاً من كونهم مجرد محاضرين يقدمون المحتوى.

بينما تقدم الدراسة طريقة جديدة وقوية للنظر في التعلم عبر الإنترنت، فإن المؤلف حذر من حدودها. فالبيانات المستخدمة جاءت من منصة محددة ومجموعة معينة من الدورات، مما يعني أن النتائج قد تبدو مختلفة قليلاً في سياقات أخرى أو مع أنواع مختلفة من الطلاب. كما أن النماذج المستخدمة معقدة، وتعمل نوعاً ما مثل "الصندوق الأسود" حيث لا يكون المنطق الداخلي شفافاً دائماً للمراقب البشري. ورغم هذه القيود، فإن الرسالة الجوهرية واضحة: الطريقة التي يتصرف بها الطلاب عبر الإنترنت هي انعكاس مباشر لتعلمهم. ومن خلال الاهتمام بهذه السلوكيات واستخدام البيانات لتوجيه التدخلات، يمكن للتربويين إنشاء بيئة عبر الإنترنت ليست مريحة فحسب، بل فعالة حقاً. والهدف هو ضمان أن يدعم الفصل الدراسي الرقمي كل متعلم، ومساعدتهم على خوض تحديات الدراسة ذاتية التوجيه والوصال إلى كامل إمكاناتهم.