Analysis of Artificial Intelligence in Education Systems Based on an Advanced Fuzzy Decision-Making Model
تقترح هذه الدراسة إطار عمل جديد لاتخاذ القرار الجماعي متعدد المعايير باستخدام مؤثرات التجميع الضبابية من نوع (q-rung orthopair) ذات الفترات المعقدة لتقييم وترتيب أدوات الذكاء الاصطناعي لتعزيز الأنظمة التعليمية بفعالية في ظل ظروف عدم اليقين.
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 العالم الحديث، نادراً ما تكون القرارات أبيض أو أسود. فعندما يختار مجلس مدرسي برنامجاً جديداً، أو يوازن طبيب بين خيارات علاجية، أو يختار مستثمر محفظة استثمارية، فإن المعلومات المتاحة غالباً ما تكون فوضوية، أو ناقصة، أو متناقضة. وتكافح الرياضيات التقليدية مع هذا النوع من الغموض لأنها تتطلب أرقاماً دقيقة. وللتعامل مع المناطق الرمادية في التقدير البشري، طور علماء الرياضيات مجالاً يسمى "المنطق الضبابي" (fuzzy logic). وبدلاً من فرض خيار بين "نعم" أو "لا"، يسمح المنطق الضبابي بوجود درجات من الحقيقة، مقراً بأن الشيء يمكن أن يكون صحيحاً جزئياً أو خاطئاً جزئياً. ومع مرور الوقت، تطور هذا المفهوم للتعامل مع طبقات أكثر تعقيداً من عدم اليقين، بما في ذلك الحالات التي تتغير فيها البيانات بمرور الوقت أو حيث يتردد الخبراء بين قيم مختلفة. وتعد هذه المجموعة من الأدوات الرياضية ضرورية للتنقل في العالم الحقيقي، حيث اليقين هو استثناء والتدقيق هو القاعدة.
وقد دفع فريق من الباحثين من جامعات في باكستان وأفغانستان هذه المجموعة من الأدوات إلى الأمام الآن، من خلال ابتكار طريقة جديدة للمساعدة في اتخاذ قرارات أفضل عند مواجهة معلومات مربكة أو متضاربة. ويركز عملهم على تحدٍ محدد: كيفية معالجة الآراء عندما لا تكون غامضة فحسب، بل تحمل أيضاً نوعين مختلفين من عدم اليقين في آن واحد. تخيل خبيراً يحاول وصف تقنية جديدة؛ قد يشعر بالثقة بشأن إمكاناتها (رؤية إيجابية) ولكنه يشعر أيضاً بالقلق بشأن مخاطرها (رؤية سلبية). علاوة على ذلك، قد تتقلب ثقته، أو قد يعبر عن مشاعره في شكل نطاقات بدلاً من أرقام مفردة. طور الباحثون نظاماً متطوراً لالتقاط كل هذه الطبقات — الإيجابية، والسلبية، والنطاقات، والتقلبات — في إطار واحد يمكن إدارته. ويسمون هذا الإطار "المجموعة الضبابية المعقدة ذات القيم الفترية وq-rung المتعامدة" (complex interval-valued q-rung orthopair fuzzy set). وبعبارة بسيطة، هي طريقة لتعبئة الأحكام البشرية المعقدة والمترددة والمتغيرة في تنسيق يمكن للحواسيب معالجته دون فقدان التفاصيل الدقيقة.
يتضمن جوهر الدراسة إنشاء قواعد رياضية جديدة، أو "عوامل تشغيل" (operators)، تعمل مثل الخلاط لهذه الآراء المعقدة. تماماً كما تمزج الخلاطات المكونات لصنع مشروب سلس، تقوم هذه العوامل الجديدة بخلط الأحكام لإنتاج توصية واحدة واضحة. صمم الباحثون نوعين رئيسيين من الخلاطات: أحدهما يجمع الآراء (المتوسط الحسابي) والآخر يضربها في بعضها البعض (المتوسط الهندسي). وقد أثبتوا أن هذه الخلاطات موثوقة؛ فهي لا تنتج نتائج مستحيلة أو متناقضة، وتتصرف باتساق حتى عندما تتغير البيانات المدخلة قليلاً. ولاختبار ابتكارهم، طبق الفريق منهجه على مشكلة عملية للغاية: اختيار أفضل أداة ذكاء اصطناعي لنظام تعليمي.
وضع الباحثون سيناريو قام فيه خبير بتقييم خمس أدوات مختلفة للذكاء الاصطناعي: منصات التعلم التكيفي، وروبوتات الدردشة التعليمية، وأنظمة التصحيح الآلي، وتطبيقات تعلم اللغة، وأنظمة التدريس الذكية. وقام الخبير بتقييم كل أداة بناءً على خمسة معايير: فعالية التكلفة، والقدرة على التكيف، والمواءمة مع معايير التعلم، وآليات التغذية الراجعة، وما إذا كان التصميم قائماً على بحث رصين. لم تكن أحكام الخبير مجرد درجات بسيطة، بل كانت نطاقات معقدة من القيم التي تعكس عدم اليقين والتردد. على سبيل المثال، قد يشعر الخبير أن أداة ما "فعالة إلى حد ما" من حيث التكلفة ولكنها "عالية القدرة" على التكيف، مع تحرك درجة فعاليتها بالضبط ضمن نطاق محدد.
باستخدام خلاطاتها الرياضية الجديدة، عالج الباحثون هذه البيانات الفوضوية. ووجدوا أن نظام التصحيح الآلي برز كخيار أول، يليه أنظمة التدريس الذكية، ثم تطبيقات تعلم اللغة، بينما جاءت الأدوات الأخرى في مراتب أدنى. وللتأكد من سلامة منهجهم، قارن الفريق نتائجهم بعدة تقنيات رياضية موجودة. واكتشفوا أنه بينما فشلت بعض الطرق القديمة في إنتاج ترتيب أو أعطت نتائج مختلفة، فإن نهجهم الجديد حدد باستمرار نظام التصحيح الآلي كأفضل خيار. وظل هذا الاتساق قائماً حتى عندما قام الباحثون بتعديل الإعدادات الرياضية، وتغيير المعايير لمعرفة ما إذا كانت النتيجة ستتغير. وحقيقة أن الخيار الأول ظل كما هو بغض النظر عن هذه التعديلات تشير إلى أن الطريقة قوية ومستقرة.
كما سلطت الدراسة الضوء على سبب ضرورة هذا النهج الجديد. فقد أظهر الباحثون أن الطرق القديمة، التي تتعامل مع أشكال أبسط من عدم اليقين، غالباً ما تنهار عندما تواجه البيانات المعقدة ثنائية الأبعاد الموجودة في السيناريوهات الواقعية. ومن خلال الفشل في التقاط العمق الكامل لتردد الخبير أو الطبيعة المزدوجة لآرائه الإيجابية والسلبية، يمكن لتلك الطرق القديمة أن تؤدي إلى قرارات أقل دقة. وفي المقابل، يحافظ الإطار الجديد على كل تلك المعلومات، مما يسمح بنتيجة أكثر دقة وتميزاً. وقد أثبت الباحثون أن طريقتهم تعمل بشكل جيد ليس فقط في التعليم، بل أيضاً في مجالات أخرى حيث تكون القرارات صعبة، مثل تقييم المخاطر المالية، واختيار الاستثمارات، والتقييمات الطبية.
في نهاية المطاف، يوفر هذا العمل عدسة أكثر قوة لرؤية العالم غير المؤكد. فهو يقدم وسيلة لأخذ الآراء المعقدة والمتضاربة والمترددة للخبراء البشريين وتحويلها إلى مسار واضح وقابل للتنفيذ. ومن خلال تحسين الأدوات المستخدمة لتجميع المعلومات، منح الباحثون صناع القرار طريقة أفضل للتنقل في تعقيدات الحياة المعاصرة، مما يضمن أن الخيار النهائي يعكس الثقل الكامل للأدلة المتاحة، بدلاً من مجرد الأجزاء الأكثر بساطة منها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.