الذكاء الاصطناعي الحواري

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

وكلاء الذكاء الاصطناعي الحواري (CAI) — وكلاء مدفوعون بالذكاء الاصطناعي يعملون بالكلام أو النصّ ويحاكون المحادثات ويؤتمتونها، من روبوتات المحادثة القائمة على القواعد إلى المساعدين المبنيين على نماذج لغوية كبيرة تعالج وسائط متعدّدة — وهي من أكثر واجهات الذكاء الاصطناعي استخدامًا في التعليم، ويُقدّر فيها دعمها لـالتعليم والدعم النفسي ودعم ما وراء المعرفة، حتى مع بقاء المخاوف التقنية والمعرفية والأخلاقية.

أسئلة للتفكير

• عندما استخدمت روبوت محادثة أو مساعدًا بالذكاء الاصطناعي، فهل رأيته معلّمًا، أم محرّك بحث، أم شيئًا آخر؟ وكيف شكّل ذلك التأطير مقدار ما تعلّمته فعلًا منه؟
• يصف الذكاء الاصطناعي الحواري كيف يتحدّث الوكيل، لا ما بُني ليفعله. فهل يمكن أن يكون روبوت المحادثة حواريًا وهو غير تربويّ تمامًا — وبمَ تعرف الفرق؟
• وجدت دراسة واحدة أن ثقافة الذكاء الاصطناعي — لا البراعة التقنية العامة — هي ما تنبّأ باستعداد الطلاب وقدرتهم على استخدام روبوت محادثة. فلماذا قد يكون فهم كيفية عمل الذكاء الاصطناعي أهمّ من كون المرء «بارعًا مع الحواسيب»؟
• قد يُقصر روبوت محادثة عام خام الاستدلال بإجابته فورًا، بينما يحفظ المدرّس المهيكَل الكفاح المنتج بحجب الإجابات. فأيّ خيارات تصميم هي التي تحدّد أيّ نوع من الوكلاء يقابله الطالب؟
• أدّى الطلاب المستخدمون روبوت محادثة في مقرّر قانوني ثلث تفاعلاتهم بعد ساعات العمل — وهو دليل على أن التوفّر على مدار الساعة منفعة حقيقية. لكن هل يحمل الوصول الدائم مخاطر تريد أن تُصمّم ضدّها؟
• أكبر عائق لتبنّي روبوتات المحادثة في دراسة واحدة كان نافذة منبثقة سيئة التصميم، لا انعدام الثقة ولا مخاوف النزاهة الأكاديمية. فبمَ يُشير ذلك بشأن مواضع فشل استثمارات الذكاء الاصطناعي في التعليم فعلًا؟

مقدّمة

الذكاء الاصطناعي الحواري (CAI) هو المصطلح الجامع للوكلاء المدفوعين بالذكاء الاصطناعي الذين يُجرون حوارًا منطوقًا أو مكتوبًا، ويُحقَّق في الأغلب كروبوتات محادثة، ومؤخّرًا كمساعدين مبنيين على نماذج لغوية كبيرة توليدية نموذجًا لغويًا كبيرًا مثل ChatGPT وClaude وأفاتار تعليمية متعدّدة الوسائط. وتقع وكلاء الذكاء الاصطناعي الحواري الحديثة في فئات قائمة على تعلّم الآلة، وقائمة على معالجة اللغة الطبيعية، وهجينة، مع غلبة الوكلاء النصّية في التعليم. وأدواتٍ للتعلّم، تعمل كـمدرّسين أذكياء، ومقدّمي تغذية راجعة، وشركاء تفاعل، ومساعدين إداريين — متقاطعةً مع الوكلاء التربويين مع تغطيتها مجموعةً أوسع من التطبيقات.

كيف يظهر الذكاء الاصطناعي الحواري في قاعدة المعارف

تركيب مراجعة المظلات. يُظهر استعراض المظلات لوكلاء الذكاء الاصطناعي الحواري (34 مقال مراجعة) أن استخدام الذكاء الاصطناعي الحواري يتركّز في دعم التعليم والتعلّم (97.1% من المراجعات)، والدعم النفسي والتحفيزي (91.2%)، والتطوير الشخصي وما وراء المعرفي (88.2%)، بينما يتخلّف الدعم الإداري وإدارة البحث وتعليم الرعاية الصحية. وتوثّق المراجعة استمرار المخاوف المتعلّقة بعلاقة الإنسان بالذكاء الاصطناعي عبر كل أجيال الذكاء الاصطناعي الحواري، مع بروز النزاهة الأكاديمية وخصوصية البيانات كمسائل أخلاقية أحدث، وتدعو إلى تصميم مرتكز على تفاعل الإنسان والحاسوب ومستنير بالأدلّة وإلى دعم أقوى لـثقافة الذكاء الاصطناعي.

من روبوتات المحادثة إلى وكلاء التدريس. تتتبّع قاعدة المعارف تطوّر الذكاء الاصطناعي الحواري من روبوتات محادثة الأسئلة الشائعة القائمة على القواعد نحو وكلاء مركّزين على التدريس وكلاء. يحاجّ إطار مدرّسي الذكاء الاصطناعي الحواري بأن تقنيات أنظمة التدريس الذكية المُثبتة (تتبّع المعرفة، والكشف عن الوجدان، ونمذجة الطلاب) يجب أن ترسخ المدرّسين التوليديين بينما يزوّد الذكاء الاصطناعي التوليدي بحوار مرن. ويُظهر بحث حول ما إذا كان مدرّسو النماذج اللغوية الكبيرة يعلّمون أم يحلّون والذكاء الاصطناعي الخاص بالتدريس مقابل الذكاء الاصطناعي العام أن حواجز الحماية المصمّمة تربويًا تهمّ: فروبوتات المحادثة العامة الخامة قد تُقصر الاستدلال بينما يحفظ المدرّسون المهيكلون الكفاح المنتج.

قد تُبالغ المعايير في مقدار الإسناد بسقالات الذي يُتناوله: فعبر 9,490 محادثة في تسع مجموعات بيانات، تجاوز الطلاب في عمليات النشر الحقيقية التأطير البيداغوجي لروبوت المحادثة بتكلفة شخصية بسيطة ليقودوا التفاعل نحو أهدافهم الخاصة — وهي حركة طلب مساعدة أداتية لا انفصالًا (Neagu et al. (2026)).

التفاعل والتعاون. تُؤطَّر الوكلاء الحوارية بصورة متزايدة كشركاء تفاعل لا كمُعطي إجابات. فـتفاعل الطالب مع الذكاء الاصطناعي يلتقط كيف يُحفّز المتعلّمون ويكيف يتحقّقون مع الذكاء الاصطناعي الحواري في الممارسة. وفي التعلّم التعاوني، تتوسّط الوكلاء المشاركة وتنظيم الذات المشترك، وفي تعلّم اللغة توفّر تدريبًا حواريًا في الزمن الحقيقي. ويفحص خيط التعاون بين الإنسان والذكاء الاصطناعي متى تحفظ هذه الشراكة العمل المعرفي للمتعلّم مقابل متى تُحيل عنه. وتُبيّن النماذج اللغوية الكبيرة كشركاء نقدة جانب الحفظ على نحو ملموس: فقد أجرى Oppenheimer, Cash & Connell Pensky (2025) نقدًا بـChatGPT أو Gemini أو Claude لمقالات جدلية للطلاب على مدى فصل دراسي، وتقدّم المتعلّمون في الكتابة وهندسة المطالبات والاستجابة للتغذية الراجعة مع تقييمهم التبادلات مفيدةً وجاذبةً وممتعةً — مع إظهار ردّهم النقدي الفعّال على ادّعاءات النموذج (87.8%) أنهم عالجوا الشريك الحواري بنقد لا سلبيًا.

وتُستخدم الوكلاء الحوارية للتصحيح، وسلوكها التقييمي يتباعد عن سلوك البشر: فقد كان ChatGPT أوسع ثلاثة مقوّمين للـ52 مشروعًا جامعيًا ذاتها تسامحًا (M = 91.46 مقابل 83.13 للمعلّم) ولم يتقاسم أي منطق تصحيح مع أقرانه (r = 0.05)، مع أن الطلاب قدّروا تفاعليته الحوارية (Usher & Faraon (2026)).

إسناد جانب الطالب في المحادثة بسقالات. يُضيف Jin et al. (2026) مراقبًا لخصوصية السؤال وقالب مراجعة إلى واجهة محادثة ويتدخّل فقط في الأسئلة الغامضة: ففي دراسة بين مجموعات شملت 40 طالبًا جامعيًا يتعلّمون برمجة الويب، كتب مستخدمو HelpCoach أسئلةً أولى أكثر خصوصيةً على نحو دالٍّ إحصائيًا (57.3% مقابل 40.5%) واحتفظوا بمعرفة أكثر بعد أسبوع (مكسب وسيط 1.9 مقابل 0.3 من 6، d = 1.100). ولم يمرّتّ الانتفاع بالاحتفاظ عبر ردود روبوت محادثة أكثر استهدافًا، وهي التي لم تتباين بحسب الشرط — تاركةً الآلية فرضيةً مفتوحة لا مسارًا مُبرهنًا.

الدور الذي يؤدّيه الوكيل يشكّل التفاعل. تصميم الذكاء الاصطناعي الحواري ليس محايدًا بشأن شخصيته: فقد وجد Liao (2026) أن رفيقًا ثابتًا بدور «زميل طالب» في حوار الكتب الابتدائي أبعد تفاعلات أطول لكنه ساد على المحادثة (نصيب أقل من كلمات الطالب وجُمله) وضرب «سقفًا وجدانيًا» — مُطابقًا معلّمًا بشريًا في الاستدعاء الوقائعي لكنه مقصّر في التفكير العاطفي والموجّه للمستقبل — محاجًّا بأن الذكاء الاصطناعي الحواري ينبغي أن يُكيِّف دوره (زميل، أو مساعد معلّم، أو مستشار أبوي) بدل أن يبقى متجانسًا. ويُوسّع Xu et al. ذلك إلى المجموعات الصغيرة، مُظهرَين أن الذكاء الاصطناعي التوليدي يعمل كـوكيل وفضاء تعاوني في الوقت نفسه في الديناميات التعاونية المتزامنة وغير المتزامنة، حيث يقرّر تصميم التفاعل ما إذا كان يُسند بسقالات إدراك المجموعة أم يُحيل عليه. وقد يُضبط النبرة أيضًا بمنظّم خارجي لا بالمحادثة وحدها: فـSukoon (Bashir & Afzal, 2026) يُدرّب غابة عشوائية على 20 خاصية من خصائص المسح لتعيين مستوى إجهاد منخفض أو معتدل أو مرتفع، وذلك المخرَج يختار واحدة من ثلاث درجات استجابة مستوحاة من نموذج الرعاية المتدرّجة — دافئة ومشجّعة عند الإجهاد المنخفض، ومرسخة وغير حاكمة عند الإجهاد المرتفع — قبل أن يتولّى نموذج لغوي كبير مفتوح المصدر (GLM-4.5-Air عبر OpenRouter) الحوار بالسجل الكامل للمحادثة ومطالبة نظام مُكيَّفة ثقافيًا تُعاد إرسالها في كل دور. وقد اختار المؤلفون نموذجًا متعدّد اللغات متعدّد اللغات ذا وصول حرّ عن قصد للحفاظ على جدوى النشر في الجامعات الإقليمية، ويُلاحظون أن اللغة الأردية تظهر عبر هندسة المطالبات لا عبر خطّ أنابيب ثنائي اللغة حقيقي — وهو قصور يهمّ كلما دُّعيت الملاءمة الثقافية خاصيةً للنظام بدل أن تكون ناتجًا مُقيَّمًا.

السلوك الحواري يتتبّع المزوّد، لا الضبط. فعبر 1,971 نصًّا مولَّدًا بالذكاء الاصطناعي و135 نصًّا بشريًا سُجّلت على ست قواعد ثابتة مستمدّة من علوم التعلّم، تجمّعت نماذج المزوّد ذاته معًا دون تقاطع بين نطاقات العائلة، وهو ما يقرؤه المؤلفون كاتباع سلوك التدريس لممارسات تدريب على مستوى المزوّد كله بدل ضبط النموذج الفردي (Northcutt et al. (2026)).

و اتّساق الاستجابة مشكلة بنية تحتية لا مشكلة مطالبات: فقد جرى تشابه الردود داخل النموذج من 0.715 إلى 0.795 مقابل 0.443–0.604 بين النماذج، وإضافة سجل المحادثة غيّرت محتوى الردود حتى بالنسبة للرسالة المحورية ذاتها (Hao (2026)).

وجهات نظر الطلاب. يُظهر الاستخدام الحقيقي أن التبنّي يتوقّف على ثقافة الذكاء الاصطناعي وتجربة المستخدم أكثر من قدرته التقنية. فقد وجدت دراسة مختلطة الطرائق متمركزة حول الإنسان لـ«روبوت محادثة الأردن»، وكيل بيداغوجي مبني على GPT-4o في مقرّر قانوني أسترالي، أن الطلاب يحملون مواقف موجبة ويدّركون مكاسب في المعرفة بينما يدعمون بقوة متطلّبات النزاهة الأكاديمية؛ ووقع أكثر من ثلث التفاعلات بعد ساعات العمل، مؤكّدًا قيمة التوفّر على مدار الساعة (Colbran, Jha & Schiavone 2026). ولافتًا، فإن ثقافة الذكاء الاصطناعي — لا الكفاءة التقنية العامة — هي ما تنبّأ بالاستعداد والثقة لاستخدام روبوت المحادثة، وكانت قابلية الاستخدام (تصميم نافذة منبثقة متطفّلة) أكبر عائق بين غير المستخدمين، متقدّمةً على الثقة وتفضيل العاملين ومخاوف النزاهة الأكاديمية.(Understanding student perspectives on generative AI chatbots: a human-centred mixed-methods study in higher education) وتُوصي الدراسة بتصميم متمركز حول الإنسان، وسياسات صريحة للذكاء الاصطناعي وبطاقات تقويم، وتدريب العاملين والطلاب، ومراقبة مستمرّة للأخطاء — وهو دليل على أن النشر الفعّال للذكاء الاصطناعي الحواري مشكلة تصميم وثقافة بقدر ما هو مشكلة تقنية. وعلى الطرف الآخر من طيف العمر، درس Vahedian Movahed & Martin (2025) أطفالًا في عمر 6–14 يتفاعلون مع AMA، وهو روبوت محادثة محدود الموضوع ومُكيَّف للعمر (الفلك، والأحذية الرياضية، والديناصورات)، فوجد انفتاحًا واسعًا وثقةً عالية في الذكاء الاصطناعي كمصدر للمعلومات — إذ اختبر الأطفال حتى مصداقيته بأسئلة ذات أجوبة معروفة — إلى جانب فجوات في الاندماج النقدي والوعي بالسلامة الرقمية تحاجّ لصالح تصميم حواري واعٍ بالعمر والثقة وتعليم صريح لـالخصوصية.

ويتباين أيضًا من يستخدم الوكيل: فبين 97 طالب دراسات عليا في الإحصاء، لم يستخدم أكثر من الربع روبوت محادثة StatBot قطّ، واستخدمته الطالبات أكثر عددًا على نحو دالٍّ إحصائيًا (W = 679.5، p = .015)، وهو ما يقرؤه المؤلفون كخفضٍ للخطر الاجتماعي المدرَك في طرح الأسئلة (Lee and Wu (2026)).

والتبنّي غير متجانس: فالتجميع العنقودي لـ192 استجابةً من طلاب وتربويين يُنتج أربع شخصيات — المُحقِّقون الحذرون، والنفعيون المشكّكون، والشاكّون المنفصلون، والمتحمّسون المندمجون — تُخفيها نماذج القبول ذات الأثر المتوسط، مع تفضيل الطلاب لـالتغذية الراجعة الفورية والتربويين لدقّة المحتوى والنزاهة الأكاديمية (Saihi & Ahmed (2026)).

لُوحظ المتانة في عملية نشر مؤسسية واحدة. فقد وجد تقييم عشوائي ممتدّ أربع سنوات لروبوت محادثة قائم على قاعدة معارف غير توليدي في جامعة كاليفورنيا الولائية في نورثريدج (N = 8,708) أن الطلاب ظلّوا متقبّلين عبر ثمانية فصول دراسية — إذ لم تتجاوز معدلات الانسحاب السنوية 4% قطّ — بينما تركّزت الآثار في المهامّ الإدارية الحسّاسة زمنيًا كالتسجيل المبكّر في المقرّرات (أكثر احتمالًا بـ34 نقطة مئوية للتسجيل قبل الموعد النهائي) ولم تظهر أي آثار ذات دلالة إحصائية على المعدّل التراكمي أو الوحدات أو الاستمرار (Mata, Russell & Page 2026، ورقة عمل). ودرسها في القياس يمسّ كيف يُحسب اندماج الذكاء الاصطناعي الحواري: فمع انسحاب قريب من الصفر إلى جانب نحو 5% اندماج نشط في الحملات التفاعلية، فإن الاستنتاجات حول الاندماج المستدام تتوقّف على ما إذا كانت الدراسة تحسب الردود المباشرة وحدها أم أيضًا الاندماج السلبي، حيث يتصرّف الطلاب بمعلومة دون إرسال ردّ نصّي.

المخاطر والأخلاقيات. يحمل وكلاء الذكاء الاصطناعي الحواري مخاطر قائمة من الاعتماد المفرط والإزاحة المعرفية (أكبر همّ أخلاقي في استعراض المظلات)، فضلًا عن القصور التقني والهلوسة والتحيّز والانتحال وعوائق الإنصاف. وتُحرّك هذه المخاوف ثقافة الذكاء الاصطناعي وتقليل إساءة استخدام الذكاء الاصطناعي وتستلزم استجابات سياسية وأخلاقية في الحوكمة. ويُثير همًّا آخر بشأن الثقة حول نصيحة التبنّي التي يتلقّاها العاملون بصورة متزايدة: إذ يُحثّ العاملون على استشارة الذكاء الاصطناعي الحواري حول ما إذا كان ينبغي تبنّي الذكاء الاصطناعي، مع أن هذه الأنظمة تبنيها منظمات لها مصلحة تجارية في التبنّي. فقد وجد تدقيق لعشرة نماذج لغوية كبيرة رائدة أن معظمها يُقرّ بمخاوف المستخدمين المشكّكين قبل أن يُعيد توجيهها إلى تأطيرات الاندماج، مُثيرًا أسئلة حول حياد النصيحة الخاصة بتبنّي الذكاء الاصطناعي.

الوكلاء الحواريون القائمون على الألعاب. إلى جانب التدريس، تُدمج الوكلاء الحوارية في التعلّم القائم على الألعاب الرقمية. فـWenzel, Geiger, and Liening (2026) يستخدمون بحث التصميم الفعلي لاستنباط إطار CAIS-GBL — أربعة مبادئ تصميم وخمس عشرة خاصية تصميم لوكلاء ذكاء اصطناعي حواريين في التعلّم القائم على الألعاب الرقمية — مرتكزًا في متطلّبات فوقية مستمدّة من النظريّة تمتدّ عبر الاندماج المعرفي والتحفيزي والوجداني والاجتماعي الثقافي الاندماج وموقف الإنصاف بالتصميم. وقد قوبل وكيلهم المُنشَأ (Lara) في لعبة محاكاة تجارية بتقبّل موجب للحضور الاجتماعي والدعم لـالتعلّم المنظّم ذاتيًا، مُقيَّمًا بمعلّمين طلاب وفي دراسة ميدانية — وهو مخطط عملي لدعم تعليمي تكيّفي عبر وكلاء حواريين في الألعاب الجدّية.

العلاقة بالوكلاء التربويين وأنظمة التدريس الذكية

يُفهم الذكاء الاصطناعي الحواري في أفضل معالجته كوسيط تفاعل يتقاطع — لكنه لا يتطابق — مع بِنيةَين أكثر رسوخًا في قاعدة المعارف: الوكلاء التربويون وأنظمة التدريس الذكية (ITS).

الذكاء الاصطناعي الحواري كالوسيط لا كالبيداغوجيا. يسمّي الذكاء الاصطناعي الحواري كيف يتواصل الوكيل (حوار بلغة طبيعية، منطوق أو نصّي). ولا يقول الكثير في ذاته عن ما بُني الوكيل ليفعله. أما الوكلاء التربويون، فهم مُعرَّفون بـدورهم التعليمي — مكوّن ذكاء اصطناعي يُشرك المتعلّمين عبر الحوار والأسئلة أو المطالبات لدعم العمليات ما وراء المعرفية والتغذية الراجعة والسقالات. أما أنظمة التدريس الذكية فهي مُعرَّفة بـمعماريتها ونمذجتها — عمود تشخيصي من تتبّع المعرفة ونمذجة الطلاب ومنطق القرار البيداغوجي الذي يتتبّع ما يعرفه المتعلّم ويكيّف التعليم. ويمكن لوكيل واحد أن يكون الثلاثة جميعًا في الوقت نفسه: فـمدرّس الذكاء الاصطناعي الحواري وكيل ذكاء اصطناعي حواري (واجهة حوار) يعمل كوكيل تربوي (استراتيجيات تدريس) مبنيّ على أساس نظام تدريس ذكي (نمذجة الطلاب). والتمييز يهمّ لأن وكيل الذكاء الاصطناعي الحواري لا يحتاج أن يكون مرتكزًا بيداغوجيًا على الإطلاق — فروبوت محادثة الأسئلة الشائعة العادي ذكاء اصطناعي حواري دون أن يكون وكيلًا تربويًا أو مدرّسًا.

عدسة الوكيل التربوي. يستخدم الوكلاء التربويون الوسيط الحواري لممارسة استراتيجيات التدريس — إثارة التقييمات الذاتية، والاستجواب السقراطي، والتيسير المتخصّص بالأدوار في تصاميم متعدّدة الوكلاء (معلّم، ومساعد، وزَميل، ومحلّل). فليس كل وكيل ذكاء اصطناعي حواري وكيلًا تربويًا، لكن الاثنين يتقاطعان على نطاق واسع: فقد وجد استعراض المظلات لوكلاء الذكاء الاصطناعي الحواري أن دعم التعليم والتعلّم (97.1%) والتطوير ما وراء المعرفي (88.2%) يسيطران على تطبيقات الذكاء الاصطناعي الحواري، أي أن معظم وكلاء الذكاء الاصطناعي الحواري المركّزين على التعليم يعملون تربويًا. والمراجعة النطاقية للمبرمجين المبتدئين تُحدّد ذلك: فـ4 فقط من 23 وكيلًا حواريًا أسّس تصميمه صراحةً في نظرية التعلّم — فمعظمها كان تربويًا في القصد لا في الأساس.

عدسة أنظمة التدريس الذكية. تُسهم أنظمة التدريس الذكية بآلية التشخيص المعرفي التي تفتقرها النماذج الحوارية الخامة. يحاجّ إطار مدرّسي الذكاء الاصطناعي الحواري بأن تقنيات أنظمة التدريس الذكية المُثبتة يجب أن ترسخ المدرّسين التوليديين: فتتبّع المعرفة والكشف عن الوجدان ونمذجة الطلاب تزوّد بالبنية، بينما يزوّد الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة بحوار مرن. وهذا هو التوتّر التصميمي المفتاحي — فالذكاء الاصطناعي الحواري يوفّر تفاعلًا طبيعيًا وقابلًا للتوسّع، لكن دون بنية على طريقة أنظمة التدريس الذكية يُخاطر بـالإسناد بسقالات المفرط أو بالهلوسة أو بتجاوز كفاح المتعلّم المنتج. وتُظهر أبحاث كـما إذا كان مدرّسو النماذج اللغوية الكبيرة يعلّمون أم يحلّون وقاعدة أدلّة Stanford أن معايير الموجّهة تربويًا (الأسئلة الموجِّهة، والتلميحات المعايَرة) يجب أن تُصمَّم صراحةً.

باختصار: الذكاء الاصطناعي الحواري هو الواجهة/الوسيط، والوكلاء التربويون هم الدور، وأنظمة التدريس الذكية هي النمذجة والمنطق التعليمي الأساسيان. ووكلاء الذكاء الاصطناعي الحواري ذوو القيمة التعليمية تقع عند تقاطع الثلاثة جميعًا — حواري في الواجهة، وتربوي في القصد، ومدرّسي في نمذجتها للمتعلّم.

إرشادات عملية

اختر الوكلاء الحوارية لدعم التعليم والدافع وما وراء المعرفة بدل أن تكون للإجابة على الأسئلة فحسب، وصمّم لتفاعل متمركز حول المستخدم وشاركي ومرتكز في تفاعل الإنسان والحاسوب. واحرس من الاعتماد المفرط بإقران الذكاء الاصطناعي الحواري بتعليم ثقافة الذكاء الاصطناعي وتغذية راجعة تُبقي المتعلّم منتجًا معرفيًا. واعتنَ بثقافة الذكاء الاصطناعي وقابلية الاستخدام صراحةً — فهذان — لا المهارة الرقمية العامة — يقودان التبنّي وعدم الاستخدام (Colbran, Jha & Schiavone 2026) — وأقرِن النشر بسياسات واضحة لاستخدام الذكاء الاصطناعي وببطاقات تقويم وبتدريب. وقيّم الذكاء الاصطناعي الحواري على نواتج بيداغوجية — لا على إتمام المهمّات فحسب — وخطط للإنصاف وإمكانية الوصول من البداية بدل أن تكون فكرة لاحقة.

• كيف يتحدّث الطلاب فعلًا إلى الوكلاء الحوارية — نظام انفصال من ست فئات: أدرج Rho et al. (2026) وكيلًا قابلًا للتعليم بـGPT-4-Turbo (موضوعًا كطالب في مرحلة متوسطة يعاني، مُرسَّسًّا بتوليد مُعزَّز بالاسترجاع فوق رسم بياني معرفي، ومُقترنًا بوكيل موجّه ناقدَ شروحَ الطلاب) في دروس الجبر والهندسة في Math Nation، ورمّز 5,522 عبارة من 246 طالبًا. وإلى جانب الاندماج (75.7% من العبارات)، حدّدوا الإجابة الكاذبة (12.8%)، والكتمان (8.9%)، والعشوائي/المُشوِّش (2.1%)، والانعكاس (0.6%)، والسخرية (0.3%)، والاختفاء (0.2%) — مع بروز الانعكاس (نسخ نصّ الوكيل) استقرائيًا من البيانات. وكان التصنيف بمشاركة الإنسان: فـ1,682 عبارة عُلّقت بمقيّمَين (κ = 0.704–0.905 لكل فئة) درّبت منظّمًا LLaMA 3 مُضبَطًا بدقّة (F1 موزون = 0.910 على خيوط محتجزة) سمّى عبارات الـ3,840 الباقية. ثم أظهر تحليل مخاطر متنافسة على مستوى العملية أن معظم الانفصال يُحلّ في أدوار قليلة ما عدا الكتمان، الذي يستمر — وهي إشارة تستحق التصميم حول ردود الوكيل.

مفاهيم مرتبطة

• التدريس الذكي — أنظمة التدريس الذكية
• الوكيل البيداغوجي — الوكلاء التربويون
• الذكاء الاصطناعي التوليدي — الذكاء الاصطناعي التوليدي
• النماذج اللغوية الكبيرة (LLMs) — النماذج اللغوية الكبيرة
• تفاعل الطالب مع الذكاء الاصطناعي — تفاعل الطالب مع الذكاء الاصطناعي
• ثقافة الذكاء الاصطناعي — ثقافة الذكاء الاصطناعي
• التعاون بين الإنسان والذكاء الاصطناعي — التعاون بين الإنسان والذكاء الاصطناعي
• التفريغ المعرفي — الإزاحة المعرفية
• التغذية الراجعة — التغذية الراجعة
• ما وراء المعرفة — ما وراء المعرفة
• التعلّم موجّه الذات — التعلّم المنظّم ذاتيًا
• تعلّم اللغات — تعلّم اللغة
• النزاهة الأكاديمية — النزاهة الأكاديمية
• خطر الهلوسة — خطر الهلوسة
• الإنصاف — الإنصاف في تعليم الذكاء الاصطناعي
• الحد من إساءة استخدام الذكاء الاصطناعي — تقليل إساءة استخدام الذكاء الاصطناعي
• تقنيات الكلام والصوت — تقنيات الكلام والصوت
• الآباء والأسر — الآباء والعائلات

مقالات مرتبطة

• Disengaged Conversational Behaviors and Learning in Student-AI Dialogues for Mathematical Problem Solving — السلوكيات الحوارية المنفصلة في حوارات الطالب مع الذكاء الاصطناعي (Rho et al. 2026)
• Sustaining AI-enabled student support: A four-year implementation and impact study — إدامة الدعم الطلابي المُتاح بالذكاء الاصطناعي: دراسة تنفيذ وأثر ممتدّة أربع سنوات لروبوت محادثة مؤسسي (Mata, Russell & Page 2026)
• Who grades best? Comparing ChatGPT, peer, and instructor evaluations across varying levels of student project quality — مقارنة تصحيح ChatGPT والأقران والمعلّم عبر مستويات جودة المشاريع (Usher & Faraon 2026)
• Designing large language model-based agents with 5E framework for ESL learners' grammar acquisition — وكلاء نماذج لغوية كبيرة بإطار 5E لاكتساب قواعد اللغة الإنجليزية كلغة ثانية (Yang et al. 2026)
• Semantic Variability of LLM-Generated Replies Across LLMs: Implications for Designing Conversation-Based Assessment
• Understanding student perspectives on generative AI chatbots: a human-centred mixed-methods study in higher education — وجهات نظر الطلاب في روبوتات محادثة الذكاء الاصطناعي التوليدي (طرائق مختلطة)
• Uncovering adoption personas for generative AI in higher education: a clustering-based segmentation approach — شخصيات التبنّي لروبوتات محادثة الذكاء الاصطناعي
• Conversational AI agents in education: an umbrella review of current utilization, challenges, and future directions — استعراض المظلات لوكلاء الذكاء الاصطناعي الحواري في التعليم
• The Path to Conversational AI Tutors: Integrating Tutoring Best Practices and Targeted Technologies to Produce Scalable AI Agents — إطار مدرّسي الذكاء الاصطناعي الحواري
• Measuring Whether LLM Tutors Teach or Solve: A Diagnostic for Educational Impact — قياس ما إذا كان مدرّسو النماذج اللغوية الكبيرة يعلّمون أم يحلّون
• The Evidence Base on AI in K-12: A 2026 Review — الذكاء الاصطناعي الخاص بالتدريس مقابل الذكاء الاصطناعي العام
• Rethinking Scaffolding in LLM Tutors: The Interactional Mismatch Between Benchmarks and Real-World Deployments — إعادة التفكير في الإسناد بسقالات في مدرّسي النماذج اللغوية الكبيرة
• Exploring Conversational Agents for Novice Programmers: A Scoping Review — مراجعة نطاقية للوكلاء الحواريين للمبرمجين المبتدئين
• Artificial Intelligence Agents in Computer-Supported Collaborative Learning: A Systematic Literature Review — مراجعة وكلاء الذكاء الاصطناعي في التعلّم التعاوني المدعوم بالحاسوب
• Differential engagement with generative artificial intelligence in higher education: Gender, motivation, and achievement trajectories — الجنس والدافع في إنجاز الذكاء الاصطناعي التوليدي
• Beyond a single role: Justifying a role-adaptive framework for AI companions through a comparative study in elementary book talk — رفيق ذكاء اصطناعي مُكيِّف الدور لحوار الكتب الابتدائي؛ السقف الوجداني للوكلاء ثابتة الدور (Liao 2026)
• AI as an Agent and Collaborative Space: Exploring the role of generative AI in small group synchronous and asynchronous collaborative dynamics — الذكاء الاصطناعي التوليدي كوكيل وفضاء تعاوني في ديناميات المجموعات الصغيرة (Xu et al. 2026)
• You've Got AI Friend in Me: LLMs as Collaborative Learning Partners
• Ask Me Anything: Exploring Children's Attitudes Toward an Age-tailored AI-powered Chatbot
• An AI-Powered Culturally Aware Chatbot for Stress Detection and Wellness Support among Pakistani University Students Using NLP and Machine Learning — روبوت محادثة واعٍ ثقافيًا مدعوم بالذكاء الاصطناعي لكشف الإجهاد ودعم العافية بين الطلاب الجامعيين الباكستانيين باستخدام معالجة اللغة الطبيعية وتعلّم الآلة
• StudentBench: AI and human tutoring yield equivalent GRE learning gains — StudentBench: التدريس بالذكاء الاصطناعي والتدريس البشري يُنتجان مكاسب تعلّم متكافئة في GRE
• HelpCoach: Scaffolding Targeted AI Help-Seeking During Problem-Solving — HelpCoach: إسناد طلب المساعدة الموجَّه بالذكاء الاصطناعي بسقالات أثناء حلّ المشكلات

استشهاد

Ganguly, A., Mehjabin, N., Malik, A., & Johri, A. (2025). Conversational AI agents in education: an umbrella review. AI and Ethics, 6, 72.