سوء استخدام الذكاء الاصطناعي والضرر التعليمي

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

سوء استخدام الذكاء الاصطناعي والضرر التعليمي — العلاقة السببية بين إفراغ الطلاب العمل المعرفي في الذكاء الاصطناعي التوليدي وانخفاض التعلّم الدائم، حتى حين يرتفع أداء المهمة الفوري. والميزة المُعرِّف هي فجوة الأداء-التعلّم: فالذكاء الاصطناعي يُضخّم الأداء المُعان بينما يُضْعِف مخرجات الأداء دون مساعدة والامتحان المغلق والاستبقاء.

أسئلة للتفكر

• يستطيع الطالب أن يؤدي أفضل في اللحظة بينما يتعلّم أقلّ مع الوقت — فيستطيع الذكاء الاصطناعي أن يرفع الأداء المُعان ويُضْعِف الإنجاز اللاحق دون مساعدة. فمتى شعرت أنك «تعلّمت» شيئًا تلاشى لحظة زوال الأداة؟
• النتيجة المركزية هي فجوة الأداء-التعلّم: فالطلاب الذين استخدموا مدرّسًا ذكيًا بلا ضوابط سجّلوا 48% أعلى في التدريب لكن 17% أدنى في الامتحانات المغلقة. فكيف يغيّر ذلك تفسيرك لدرجة قوية تحقّقت بمساعدة الذكاء الاصطناعي؟
• سوء الاستخدام يتعلّق بالاستبدال — تفويض الصياغة أو الاستدعاء أو التحليل التي تبني الفهم الدائم — لا باستخدام الذكاء الاصطناعي كمكمّل. فأين ترسم الخط بين أن يساعدك الذكاء الاصطناعي على التعلّم وأن يتعلّم الذكاء الاصطناعي عنك؟
• لم يُدرك الطلاب في المجموعة المتضرّرة أنهم تعلّموا أقلّ. فإذا كان المتعلّمون لا يستطيعون إدراك إضرارهم، فبماذا يلزم أن يراقب المعلّم بدل الوثوق بتقارير الطلاب الذاتية؟
• والضرر انتقائي بحسب نوع التقييم: فيظهر على مقاييس المراقبة والكتاب المغلق لكنه قد يُخفى حين لا تستطيع الأعمال المقرّرة التمييز بين العمل المُعان بالذكاء الاصطناعي والعمل المستقل. فأيّ نوع من التقييم يكشف فعلًا ما إذا كان الطلاب قد تعلّموا؟
• أزال الذكاء الاصطناعي المقيَّد بضوابط «تلميح لا إجابة» الضرر مع حفظه الفائدة. فما الذي يلزم لتصميم مساعدة ذكاء اصطناعي تدعم التعلّم دون أن تصير عكّازًا؟

مقدّمة

سوء استخدام الذكاء الاصطناعي شيء مختلف عن استخدامه. فالاستخدام يصف استخدام الذكاء الاصطناعي كمكمّل للتعلّم — تغذية راجعة، أو عصف ذهني، أو مساعدة في المراجعة تُبقي عمل المتعلّم المعرفي في الحلقة. وسوء الاستخدام يصف الاستبدال: تفويض الذكاء الاصطناعي في العمليات الذهنية نفسها (الصياغة، والاستدعاء، والتحليل، والمراجعة) التي تبني الفهم الدائم. والضرر الموثَّق في قاعدة أدلّة المعرفة ليس أن سوء الاستخدام لا يُساعد؛ بل هو أن سوء الاستخدام يُضْعِف الإنجاز اللاحق دون مساعدة إضعافًا فعّالًا.

فجوة الأداء-التعلّم

المفهوم الجوهري، المُصاغ في Distinguishing performance gains from learning when using generative AI، هو أن الذكاء الاصطناعي التوليدي يرفع بسهولة الأداء — الكفاءة الفورية وجودة المخرَج — مع تجاوزه غالبًا المعالجة المعرفية وفوق المعرفية العميقة اللازمة لـالتعلّم. فأداةٌ تُحسّن الأداء تستطيع إذن أن تُضْعِف التعلّم. والفقرة مُبرهَنة سببيًا الآن على نطاق الميدان: فقد وجدت تجربة عشوائية مضبوطة أن مساعدة الذكاء الاصطناعي بلا ضوابط رفعت أداء التدريب لكنها خفضت درجات الامتحان اللاحقة دون مساعدة.

آليات الضرر

• الاستسلام المعرفي — المصطلح الذي يستخدمه الباحثون لإفراغ الطلاب تفكيرهم في الذكاء الاصطناعي كاعتماد انفعالي غير تأمّلي، بخلاف الشكل المتعمَّد الاستراتيجي من التفريغ المعرفي. وهو يُنتج تراجعًا قابلًا للقياس على مستوى الجماعة في المعرفة الدائمة.
• نسخ الإجابات كعكّاز — فالضرر الناتج عن سوء الاستخدام يأتي أقلّ من أخطاء الذكاء الاصطناعي التي تُضلّل الطلاب وأكثر من نسخ الطلاب للإجابات بدل تعلّمها. فحين يُظهر تحليل الانخراط أن الطلاب «يطلبون الإجابة» في الأغلب، يتبع الضرر التعليمي ذلك.
• تآكل الدافعية — فتوافر مسار اختصار سهل يُدرَك في الذكاء الاصطناعي يُقلّل الدافعية المستقلة والمثابرة، وفق نظرية التحديد الذاتي. ولأن المثابرة هي ما يُنتج التعلّم العميق، فإن تآكلها يُضاعف الضرر المباشر.
• إزاحة التعلّم — استبدال مخرَج الذكاء الاصطناعي بالعمليات المُجهِدة (الإفصاح، والاستدعاء، والشرح الذاتي) التي تُثبّت المعرفة، بما يتفق مع الاعتماد المفرط.
• الالتباس يُقرأ كنِيَّة. حين لا يُسمّي المدرّس الدور المقصود للذكاء الاصطناعي في المهمّة، يحدّده الطلاب بما هو الأسهل، ويقرأ أعضاء هيئة التدريس عدم التطابق الناتج على أنه غشّ لا كحدّ لم يُصَرَّح به قطّ (Hanshaw et al., 2026).

قاعدة الأدلة

• تجربة ميدانية سببية (نحو 1,000 طالب رياضيات في المرحلة الثانوية): فقد رفع مدرّس على نمط ChatGPT بلا ضوابط أداء التدريب المُعان +48% لكنه خفض درجات امتحان الكتاب المغلق دون مساعدة −17% — فتجاوز الطلاب الذين لم يحصلوا على وصول للذكاء الاصطناعي أبدًا أولئك الذين حصلوا عليه. وأزال مدرّس مقيَّد بضابط «تلميح لا إجابة» الضرر. والجدير بالملاحظة أن الطلاب في ذراع الضرر لم يُدركوا أنهم تعلّموا أقلّ.
• بيانات سلوكية على نطاق الجماعة (3.2 مليون تفاعل على ALEKS): فقد هبط وقت الدراسة على المسائل القابلة للتأثّر بالذكاء الاصطناعي −26.9% تراكميًا لطلاب الكليات (وفي المرحلة الثانوية −31.3%) بعد إصدار ChatGPT، مع تراجع بنسبة 25% في احتمال الاستجابة الصحيحة على مفردات الاستبقاء المراقَبة. واختفى الأثر كليًا تحت المراقبة، وهو ما يثبّته على استخدام الذكاء الاصطناعي خارج المنصة.
• نتيجة صفرية كبيرة: فقد أظهر استغلال الهبوط الموسمي في استخدام ChatGPT خلال الصيف أيّ تغيّر صافٍ في متوسطات اختبارات المرحلة الثانوية المعيارية — على الأرجح لأن ضرر سوء الاستخدام يُقابَل في المجموع باستخدام الذكاء الاصطناعي الإنتاجي. وهذا لا يُناقض الضرر السببي الواقع على التعلّم الدائم؛ لكنه يحذّر من التعميم المفرط من درجات الاختبارات المجمَّعة.

الاعتماد كمسار إلى الإنهاك

يُضرّ سوء الاستخدام بأكثر من الإنجاز. فمسح شمل 276 طالبًا جامعيًا صينيًا (Huang et al., 2026) نمذج الاعتماد على الذكاء الاصطناعي كوسيط بين موارد المتعلّم الواقية وإنهاك التعلّم، فوجده يحمل الأثر بكامله: فقد خفّضت الكفاءة الذاتية الأكاديمية و- بأضعف درجة - دعم المعلّم الاعتماد على الذكاء الاصطناعي معًا، وهو ما نبّأ بالإنهاك بدوره. وكان المساران غير المباشرين دالّين إحصائيًا ومتوسطين كاملًا — إذ صارت الآثار المباشرة غير دالّة إحصائيًا بمجرّد دخول الاعتماد النموذج — مع كون مسار الكفاءة الذاتية أقواهما. وبقراءتها إلى جانب فجوة الأداء-التعلّم أعلاه، تُمدّد النتيجة كلفة سوء الاستخدام من المعرفة الدائمة المُضْعَفة إلى إنهاك المتعلّم وانفصاله، وهي تقع الآلية في الاعتماد نفسه لا في استخدام الذكاء الاصطناعي بوصفه ذا أثر؛ فالموارد التي تحمي من سوء الاستخدام يبدو أنها تعمل بمنع الاعتماد، لا بمواجهة آثاره بعدًا. ويُنبّه الكتّاب إلى تحفّظ قياسي — فمقياسهم للاعتماد على الذكاء الاصطناعي مُكيَّف من اختبار إدمان الإنترنت ولم تُثبَت صلاحية محتواه للذكاء الاصطناعي — فيُعالَج المسار أفضل معالَجةً كفرضية مُنمذَجة جيدًا منه كحجم أثر مستقر.

الطبيعة المعتمدة على التقييم في الضرر

أهمّ تفصيل عملي هو أن الضرر انتقائي بحسب نوع التقييم. فهو يظهر على مقاييس المعرفة الدائمة المراقَبة والمغلقة ودون مساعدة. أما في الأعمال المقرّرة المعتادة التي لا تستطيع التمييز بين العمل المُعان بالذكاء الاصطناعي والعمل المستقل، فيستطيع سوء الاستخدام أن يُضخّم الدرجات الفورية. ولهذا فإن فجوة المُدرَك مقابل الفعلي خطيرة: فالطلاب (والمعلّمون أحيانًا) يرون مكاسب أداء قصيرة الأمد ويفوتون تآكل التعلّم الذي لا يظهر إلا حين تُزال الأداة.

أيّ اعتماد، لا مقدار ما منه. فمسح شمل 118 طالبًا في 12 مقررًا كثيفة الذكاء الاصطناعي (Manikonda et al. 2026) يفصل سلوكيين تدمجهما مقاييس تكرار الاستخدام. فـالاعتماد المعرفي — استخدام الذكاء الاصطناعي التوليدي للتنظيم والتقييم والجمع والتفكيك — كان أقوى متنبّئ بالأثر الموجب المُدرَك (β = .495، p < .001)، والتفريغ المعرفي الذي يصفه ليس ضارًّا بصورة موحّدة: إذ جاء تنظيم الأفكار وتلخيصها واكتشاف رؤى جديدة بين الميزات المرتبطة بتحسّن التعلّم المُدرَك. أما الاعتماد المبكّر — استشارة الذكاء الاصطناعي التوليدي قبل التفكير المستقل أو البحث التقليدي أو المعلّم — فتنبّأ بالنفع الأكاديمي (β = .301، p < .001) و بالأثر السلبي (β = .402، p = .004) معًا. والاعتدال هو الجزء الذي يمسّ علاج الثقافة أعلاه: فالارتباط بين الاعتماد المبكّر والأثر السلبي كان غائبًا عند ثقافة التقييم المنخفضة (b = .025، p = .861) وأقوى ما كان بين الطلاب الذين يحكمون على مخرَج الذكاء الاصطناعي أحسن تقييم (b = .688، p < .001)، فلم تحمِ المهارة التقييمية من كلفة سؤال الذكاء الاصطناعي أولًا — فالطلاب الأقدر على ملاحظة الكلفة هم الذين كانوا يُبلّغون عنها. والانعكاس التشغيلي أن سوء الاستخدام مسألة توقيت نسبيًا لمحاولة المتعلّم هو، لا مقدار فقط، ولهذا تقع التدخّلات التي تستهدف متى تُستشار الأداة إلى جانب علاجات تصميم التقييم أدناه.

الانعكاسات والعلاجات

• الضوابط على الوصول الخام: فإن المطالبة بتلميح لا إجابة والسقالات التي يكتبها المعلّم تُعدّل أثر العكّاز (انظر Generative AI without guardrails can harm learning: Evidence from high school mathematics).
• تصميم التقييم: فالتقييمات المقاومة للذكاء الاصطناعي والمراقَبة/دون مساعدة لازمة لكشف سوء الاستخدام — وتثبيطه.
• الثقافة وما وراء المعرفة: فتدريب الثقافة بالذكاء الاصطناعي والتعلّم المنظَّم ذاتيًا الذي يساعد الطلاب على التعرّف على أنماط الاعتماد وعلى كلفة تجاوز عملهم المعرفي هم.

الانفصال الحواري في عصر النماذج اللغوية الكبيرة

لأدبيات «التحايل على النظام» (إساءة استخدام التلميحات، والتخمين المنهجي) نظيرٌ في عصر الحوار: الانفصال الحواري — السخرية من الفاعل، أو الإجابة الخاطئة متعمَّدًا، أو التجاهل التام له، أو تقليد نصّه، أو حجب الاستجابات. فـRho et al. (2026) يمنحان هذه الظاهرة أول معالجة منهجية في حوار الطالب مع الذكاء الاصطناعي، ودرسها المركزي تفسيري لا إنذاري. فالدور المنفصل حركة تفاعلية، لا حالة مستقرة من الانفصال. فالارتباط الظاهري لـ«الإجابة الخاطئة» بدرجات الاختبار البعدي لم يصمد أمام فحص حساسية مُسنَد بتعليق بشري، ويقرأه الكتّاب استقصاءً داخل مسارات كثيرًا ما تعود إلى الانخراط (فاستعادت أعلى العناقيد أداءً عند p = 0.42). أما السلوك الذي فصل المسارات فعلًا فهو «الحجب» — رفض الاستجابة، الذي استمرّ ولم يُحلّ. وهذا يعكس الأولوية المعتادة بالنسبة إلى المصمّمين: فالانفصال الصاخب المرئي يُصحّح نفسه غالبًا، بينما يشير الانسحاب الهاديء إلى أن التفاعل قد انهار.

المفاهيم المتصلة

• التعلّم الموجّه ذاتيًا
• المراقبة عن بعد
• التفريغ المعرفي
• النزاهة الأكاديمية
• التقويم
• التعلّم موجّه الذات
• التحفيز
• ما وراء المعرفة
• السقالة
• الذكاء الاصطناعي التوليدي
• تجربة الطالب
• الاستسلام المعرفي

المقالات المتصلة

• Disengaged Conversational Behaviors and Learning in Student-AI Dialogues for Mathematical Problem Solving — السلوكيات الحوارية المنفصلة والتعلّم في حوارات الطالب مع الذكاء الاصطناعي (Rho et al. 2026)

• Thoughtless Use of Generative Artificial Intelligence and College Students' Self-Directed Learning: A Multi-Group SEM Analysis of Gender Differences

• Generative AI without guardrails can harm learning: Evidence from high school mathematics — GenAI Without Guardrails Can Harm Learning

• Distinguishing performance gains from learning when using generative AI — Distinguishing Performance Gains from Learning

• Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming — AI Availability and Student Motivation

• The GenAI Skill Bypass: Mapping Divergent Pathways of University Students and Staff AI Literacy — GenAI Skill Bypass and Literacy

• Evidence of a Cognitive Shift in AI Education: How Students Are Rethinking Human Intelligence? — Cognitive Shift in AI Education

• Cognitive Offloading in Student–AI Collaboration: A Longitudinal Analysis of Prompting Strategies — Cognitive Offloading in Student–AI Collaboration

• The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise — The tragedy of the cognitive commons: AI and expertise regeneration

• Artificial intelligence, cognitive offloading and implications for education — AI, cognitive offloading and implications for education (Lodge & Loble 2026)

• Modeling AI Overreliance as a Complex Adaptive System — AI overreliance modeled as a complex adaptive system

• Academic Erasure: The Disappearance of Complexity Under AI-Supported Writing — Academic erasure: the disappearance of complexity under AI-supported writing

• The dark side of AI in education: AI dependency as a mediator linking academic self-efficacy and teacher support to learning burnout among university students — AI dependency fully mediates the path from self-efficacy and teacher support to learning burnout (Huang et al. 2026)

• The Uneven Impact of Generative AI on Student Learning: Examining the Roles of Reliance, Evaluation Literacy, and Course Policy in AI-related Courses — Early reliance predicts negative impact while cognitive reliance predicts positive impact, and evaluation literacy strengthens rather than buffers the harm of consulting AI first (Manikonda et al. 2026)

• This is How We AI: A Practical Approach to Teaching with Artificial Intelligence — «This is How We AI»: مقاربة عملية للتدريس بالذكاء الاصطناعي