Beyond Compliance: Accreditation-Based Profiles of Conditions Supporting Technology-Enabled Learning in Vietnamese Higher Education
تحلل هذه الدراسة بيانات الاعتماد لـ 2,502 برنامج للتعليم العالي في فيتنام لتحديد أربعة ملفات تعريف متميزة للظروف الداعمة للتعلم القائم على التكنولوجيا، مما يوضح كيف يمكن لأدلة الامتثال الحالية أن تعمل كأداة تشخيصية منخفضة التكلفة للتحسين ما بعد الاعتماد.
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، يُتوقع من الجامعات أن تفعل ما هو أكثر من مجرد التدريس؛ إذ يجب عليها ضمان أن يكون التعلم فعالاً للجميع، بغض النظر عن خلفياتهم أو قدراتهم. وهذا ينطبق بشكل خاص مع اعتماد المدارس المتزايد على التكنولوجيا لتقديم التعليم، وهو تحول يُعرف باسم "التعلم المدعوم بالتكنولوجيا". ومع ذلك، فإن امتلاك أجهزة الكمبيوتر واتصالات الإنترنت ليس كافياً؛ فلكي تكون التكنولوجيا مفيدة حقاً، تحتاج المدرسة إلى بيئة داعمة: موظفون يمكنهم حل المشكلات، وأنظمة تتبع ما إذا كان الطلاب يواكبون المسيرة، وقواعد واضحة تضمن مشاركة الجميع بإنصاف، بما في ذلك ذوو الإعاقة. وللتحقق مما إذا كانت المدارس تلبي هذه الاحتياجات الأساسية، تستخدم العديد من الدول عملية تسمى "الاعتماد الأكاديمي". تخيل الاعتماد الأكاديمي كفحص صحي صارم حيث يراجع الخبراء برامج المدرسة مقابل قائمة طويلة من المعايير لتقرير ما إذا كانت جيدة بما يكفي لمواصلة العمل. وبينما تولد هذه المراجعات كميات هائلة من البيانات، إلا أن هذه المعلومات تُحفظ عادةً بعد اتخاذ القرار، ونادراً ما يُنظر إليها مرة أخرى لفهم نقاط القوة أو الضعف العميقة في كيفية دعم المدرسة لطلابها.
قرر فريق من الباحثين في فيتنام تغيير ذلك عبر التعامل مع سجلات المراجعة القديمة هذه ليس فقط كدرجات نجاح أو رسوب، بل كخريطة للمشهد التعليمي. لقد جمعوا بيانات من 2,502 برنامج جامعي تم اعتمادها رسمياً بين عامي 2017 و2025. وبدلاً من النظر في القائمة الكاملة المكونة من خمسين معياراً مختلفاً مستخدماً في المراجعة، ركزوا على تسعة أسئلة محددة تتعلق مباشرة بالأركان الثلاثة لبيئة التعلم الداعمة: التكنولوجيا والموظفين المتاحين للمساعدة، والأنظمة الموضوعة لدعم نجاح الطلاب، والضمانات التي تضمن الوصول العادل للجميع. ومن خلال تحليل كيفية تجمع درجات هذه الأسئلة التسعة عبر آلاف البرامج، اكتشف الباحثون أن المدارس لا تبدو جميعها متشابهة؛ فقد وجدوا أن البرامج المعتمدة تندرج طبيعياً ضمن أربع مجموعات أو "ملفات تعريف" (profiles) متميزة، لكل منها مزيج فريد من نقاط القوة والمجالات التي تحتاج إلى اهتمام.
المجموعة الأكبر، التي شكلت ما يقرب من نصف جميع البرامج، سُميت مجموعة "الأساس" (baseline). هذه المدارس استوفت الحد الأدنى من المتطلبات فيما يتعلق بالتكنولوجيا، ودعم الطلاب، والوصول، لكنها لم تبرز في أي مجال معين. لقد كانوا يؤدون المهمة، لكنهم لم يتفوقوا في أي بُعد محدد من أبعاد الدعم. أما المجموعة الثانية، التي تمثل حوالي ربع البرامج، فقد أظهرت نمطاً مختلفاً؛ حيث كانت هذه المدارس قوية بشكل خاص في مجالي الوصول والشمول. فقد كانت لديها أنظمة ممتازة لضمان قدرة الطلاب على استئناف القرارات غير العادلة، وكانت لديها نصوص قوية لدعم الطلاب ذوي الإعاقة، رغم أن بنيتها التحتية التكنولوجية كانت متوسطة. أما المجموعة الثالثة، التي ضمت حوالي 14 بالمائة من البرامج، فكانت مجموعة "كثيفة دعم المتعلم". هذه المؤسسات بنت أنظمة قوية لتتبع تقدم الطلاب وتقديم الإرشاد الأكاديمي، مما يساعد الطلاب على توجيه دراساتهم، ومع ذلك ظل قدرتها التكنولوجية قريباً من المستوى المتوسط. وأخيراً، المجموعة الأصغر بنسبة 13 بالمائة تقريباً، كانت مجموعة "كثيفة الدعم التكنولوجي". استثمرت هذه البرامج بكثافة في بنيتها التحتية لتكنولوجيا المعلومات وأدوات التعلم عبر الإنترنت، كما كانت تميل أيضاً إلى امتلاك خدمات دعم أقوى وأنظمة أفضل لتتبع نتائج الطلاب مثل التوظيف والرضا.
وقد لاحظ الباحثون بعناية أن العثور على هذه المجموعات لا يعني أن امتلاك تكنولوجيا أفضل يؤدي تلقائياً إلى حصول الطلاب على وظائف أفضل أو درجات رضا أعلى. فالبيانات أظهرت ببساطة أن المدارس ذات الأسس التكنولوجية الأقوى تميل أيضاً إلى امتلاك أنظمة أكثر تطوراً لجمع واستخدام الأدلة حول نجاح طلابها. وقد استبعدت الدراسة صراحةً فكرة أن درجات الاعتماد الأكاديمي هي مقياس مثالي لجودة التعلم عبر الإنترنت؛ وبدلاً من ذلك، يقترح المؤلفون أن هذه الدرجات تعمل كإشارات ضعيفة أو إنذارات مبكرة، فهي تشير إلى المكان الذي قد تحتاج فيه المدرسة إلى بحث أعمق. فعلى سبيل المثال، قد تمتلك مدرسة في مجموعة "الوصول والشمول" سياسات رائعة على الورق لمساعدة الطلاب ذوي الإعاقة، ولكن بدون أدوات رقمية قوية، قد لا تعمل تلك السياسات بشكل جيد في فصل دراسي عبر الإنترنت. وعلى العكس من ذلك، قد تمتلك مدرسة تكنولوجيا رائعة ولكنها قد تعاني إذا افتقرت إلى طاقم الدعم البشري لتوجيه الطلاب خلال تعلمهم.
يقدم هذا النهج طريقة عملية لقادة التعليم للارتقاء إلى ما وراء مجرد الامتثال البسيط. فبدلاً من معاملة كل مدرسة معتمدة بنفس الطريقة بعد انتهاء المراجعة، يمكن للمنظمين وإدارات المدارس استخدام هذه الملفات التعريفية لطرح أسئلة أفضل. فالمدرسة في مجموعة "الأساس" قد تحتاج إلى خطة عامة لتحسين المجالات الثلاثة، بينما قد تركز مدرسة قوية في دعم المتعلمين على ربط مستشاريها البشريين الممتازين بأدوات رقمية أفضل. وتشير الدراسة إلى أنه من خلال إعادة استخدام البيانات الموجودة بهذه الطريقة، يمكن للجامعات تحديد احتياجاتها الخاصة دون انتظار مسوحات جديدة ومكلفة. إن هذا يحول قائمة القواعد الجامدة إلى أداة ديناميكية للتحسين، مما يساعد المدارس على فهم ليس فقط أنها اجتازت اختباراً، بل أين تقف بالضبط وما الذي يجب أن تبنيه تالياً لضمان أن تخدم التكنولوجيا حقاً كل متعلم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.