قاعدة المعارف AIEdAIEd KB
في هذه الصفحة

هذه الصفحة مترجمة إلى العربية. أما صفحات المقالات فهي لا تزال مكتوبة بالإنجليزية. اقرأ هذه الصفحة بالإنجليزية

المفاهيم

التقنيات

تاريخ الإنشاء 2026-10-12

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

التقنيات — النماذج والمعماريات والطرائق التي تُشغّل أنظمة تعليم الذكاء الاصطناعي، ومفهوم المظلة لتغطية قاعدة المعارف للطبقة التقنية. وحيث يهمّ البيداغوجيا ونظريات التعلّم بـكيف يجري التعليم والتعلّم، ويهمّ تقييم التعليم بالذكاء الاصطناعي بـما إذا كان الذكاء الاصطناعي يعمل، تُرسي هذه الصفحة الخيط التقني: أنظمة الذكاء الاصطناعي (النماذج اللغوية الكبيرة، والذكاء الاصطناعي التوليدي، والنماذج متعدّدة الوسائط، والروبوتات) والتقنيات المستخدمة لبنائها والتحكّم فيها ونشرها (هندسة المطالبات، والتوليد المُعزَّز بالاسترجاع، وتعلّم التعزيز، ومعالجة اللغة الطبيعية التعليمية، والرسوم البيانية المعرفية، والتنسيق الوكيلي).

أسئلة للتفكير

  • يمكنك أن تكون مربيًا ممتازًا دون أن تكون قادرًا على بناء نموذج لغوي كبير — لكن هذه الصفحة تحاجّ بأن خياراتك التقنية تبقى تشكّل ما يستطيع الذكاء الاصطناعي فعله وما لا يستطيعه في صفّك. فما طريقة واحدة قد تُغيّر بها تقنية أداة ذكاء اصطناعي أساسية كيف يتعلّم طلابك في صمت، حتى لو لم تر الشيفرة قطّ؟
  • افتراض شائع أن النموذج هو القصة كاملة — لكن تقنيات كالتوليد المُعزَّز بالاسترجاع (RAG) وهندسة المطالبات موجودة بالضبط للتحكّم في مخرَج النماذج اللغوية الكبيرة وتأصيله. فقبل القراءة أكثر، عندما تطلب من ذكاء اصطناعي أن «يكون أكثر دقّة» أو أن «يستخدم هذا المصدر»، فما الذي تعتقد أنه يجري فعلًا تحت الغطاء؟
  • يُوصَف RAG كتقنية أساسية لتقليل الهلوسة وتحسين السلامة. فلماذا تظنّ أن جلب المعرفة ذات الصلة «لتأصيل» إجابة ذكاء اصطناعي يهمّ في التعليم أكثر مما يهمّ في محادثة عابرة مثلًا — وما الذي يمكن أن يسوء إذا فشل ذلك التأصيل؟
  • تدّعي الصفحة أن الخيارات التقنية تُجسّد افتراضات بيداغوجية: فالمدرّس المبني على مطالبات سقراطية يستدلّ مع المتعلّمين، بينما قد يُسلّم النموذج المولّد للإجابات الحلول فحسب. فهل تتذكّر أداة ذكاء اصطناعي استخدمتها بدت «تفترض» فلسفة تدريس معيّنة — وهل اتّسق ذلك مع كيف أردت فعلًا أن تُعلّم أو أن تتعلّم؟
  • إلى جانب الدقّة الخام، تُشير هذه الصفحة إلى أنه ينبغي تقييم أنظمة الذكاء الاصطناعي على الموثوقية والبيداغوجيا والإنصاف. فأيّ مقياس رئيسي تشكّ في أن معظم الناس (بما فيهم كثير من المربّين) يفترضونه افتراضًا عند الحكم على ما إذا كانت أداة ذكاء اصطناعي «تعمل»، ولماذا قد يُخفي ذلك المقياس أكثر مما يُظهر؟
  • يُوصَف الذكاء الاصطناعي الوكيلي بأنه يُزيح الذكاء الاصطناعي «من أداة تُجيب على المطالبات إلى متعاون استباقي». فكيف قد يُغيّر نظامٌ يبدأ ويدير سبل عمل متعدّدة الخطوات بنفسه ما أنت مسؤول عنه كمدرّس أو متعلّم — ومن يحاسبه؟

مقدّمة

يعمل الذكاء الاصطناعي في التعليم على مجموعة تقنية محدّدة، وفهمها يهمّ المربّين والباحثين حتى حين لا يبنون الأنظمة بأنفسهم — لأن الخيارات التقنية تشكّل ما يستطيع الذكاء الاصطناعي فعله وما لا يستطيعه في الفصل الدراسي، والمخاطر التي يحملها، وكيفية تقييمه. وتُنظّم هذه الصفحة تغطية المفاهيم التقنية في قاعدة المعارف: أنظمة الذكاء الاصطناعي، والتقنيات التي تُكيِّفها وتتحكّم فيها، وكيف تتصل الطبقة التقنية بالبيداغوجيا والتقويم والتقييم.

أنظمة الذكاء الاصطناعي في التعليم

التقنيات والطرائق

  • هندسة المطالبات. هندسة المطالبات هي كيف يشكّل المربّون والمطوّرون مخرجات النماذج اللغوية الكبيرة — وهي الآلية الأساسية التي يُنفَّذ بها الإحلال والتحكّم في تفاعلات النماذج اللغوية الكبيرة.
  • التوليد المُعزَّز بالاسترجاع (RAG). يؤصّل RAG مخرجات النماذج اللغوية الكبيرة بمعرفة مسترجَعة، مُنقصًا الهلوسة ومُحسّنًا الدقّة — وهو تقنية أساسية لنشر تعليمي آمن.
  • تعلّم التعزيز. يُدرّب تعلّم التعزيز الوكلاء على تحسين السلوك مع الزمن، ويُستخدم في الأنظمة التكيّفية والتعلّم القائم على الألعاب.
  • التنسيق الوكيلي. تُخطّط أنظمة الذكاء الاصطناعي الوكيلي وتنفّذ سبل عمل متعدّدة الخطوات — مُنسّقةً في الغالب عدّة وكلاء متخصّصين (انظر الأنظمة متعدّدة الوكلاء) — وهي تُعيد تشكيل الذكاء الاصطناعي من أداة تُجيب على المطالبات إلى متعاون استباقي.
  • مجموعة الوكلاء التعليمية تتخلّف عن الحدّ الأمامي. خطّط Wang et al. (2026) 474 دراسة فوجدت سيطرة نماذج سلسلة GPT وLangChain مع غياب تنسيق الأدوات المُحكَم والذاكرة الدائمة والتخطيط بعيد المدى — وأن 138 فقط من 474 (29%) استندت إلى نظرية تعليمية.
  • تدريب النماذج وتكييفها. يجعل تدريب النماذج اللغوية الكبيرة وضبطها الدقيق، والتوافق التعليمي، وتكييف النماذج اللغوية الصغيرة النماذج العامة خاصّةً بالتعليم — مع أن الأدلّة في قاعدة المعارف تضع الاسترجاع والمطالبة قبل التدريب في ترتيب القرار، لأن المطالبة المؤصَّلة جيدًا أرخص من نموذج مُكيَّف.

كيف تتصل الطبقة التقنية بالميدان

الخيط التقني غير قابل للفصل عن مواضيع قاعدة المعارف الأخرى:

تبعات على الذكاء الاصطناعي في التعليم

  • الثقافة التقنية تدعم الاستخدام النقدي: فهم النماذج والتقنيات الأساسية يساعد المربّين والمتعلّمين على استخدام الذكاء الاصطناعي حسنًا وتقييمه بنقد (انظر ثقافة الذكاء الاصطناعي).
  • اختر التقنية بالقصد البيداغوجي: ينبغي أن يتبع نظام الذكاء الاصطناعي والتقنية استراتيجية التدريس لا العكس.
  • قيّم الطبقة التقنية: يقيّم بحث تقييم التعليم بالذكاء الاصطناعي والمعايير أنظمة الذكاء الاصطناعي على الموثوقية والبيداغوجيا والإنصاف، لا على الدقّة الرئيسية فحسب.
  • الروبوتات والوكلاء جزء من المجموعة: تُوسّع الأنظمة المُجسَّمة والوكيلية الذخيرة التقنية إلى ما بعد النصّ — وتجلب معها اعتبارات تصميم وسلامة خاصة بها.

مفاهيم مرتبطة

مقالات مرتبطة

البيانات الوصفية

التقنيات والأساليبالتقنيات, معالجة اللغة الطبيعية التعليمية, الروبوتات في التعليم, الذكاء الاصطناعي التوليدي, المخطّط المعرفي, النماذج اللغوية الكبيرة (LLMs), الذكاء الاصطناعي متعدد الوسائط, هندسة المطالبات, RAG (التوليد المعزَّز بالاسترجاع), تعلّم التعزيز, المحاكاة
أساسيات الذكاء الاصطناعي في التعليمالذكاء الاصطناعي الوكيلي
SourceHistoryEditChat

ضمّن هذه الصفحة

انسخ الشيفرة أدناه لتضمين هذه الصفحة في نظام إدارة التعلم أو أي موقع آخر. الإصدار المُضمَّن يعرض محتوى الصفحة فقط — فهو يُخفي ترويسة الموقع وقائمة التنقل وتذييله.