سياسة الذكاء الاصطناعي في التعليم

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

سياسة الذكاء الاصطناعي في التعليم — القواعد الرسمية وغير الرسمية التي تحكم استخدام الذكاء الاصطناعي في المؤسسات التعليمية، من التشريعات الوطنية إلى إرشادات الفصل الدراسي. ويمتدّ بحث السياسات في قاعدة المعارف هذه من حوكمة المؤسسات، إلى تكليفات المناهج، ومتطلبات إعداد المعلّمين.

أسئلة للتفكير

• كثيرًا ما تُكتب السياسات المؤسسية للذكاء الاصطناعي كأنّ قول القواعد للناس يغيّر ما يفعلونه. وتُشير الأبحاث إلى أن هذه السياسات يمكن أن تتخلّف بمسافة كبيرة عن الاستخدام الفعلي للذكاء الاصطناعي. فلماذا برأيك تفشل السياسة «الورقية» هذا الفشل المتكرّر في مطابقة ما يجري في الفصول الدراسية؟
• إذا كان إسناد الواجبات المنزلية يُحدث خسائر في التعلّم تبقى غير ملحوظة في الأغلب — لأن لا معلّم واحد يربط تراجع طالب باستخدام الذكاء الاصطناعي — فأيّ نوع من السياسة يمكن أن يكون ممكنًا أصلًا؟ وكيف سيبدو الرصد؟
• قرارات سياسة التقويم كالامتحانات الشفوية والاختبارات تحت المراقبة والصيغ المغلقة الكتاب هي في ذاتها استجابات للغش المُتاح بالذكاء الاصطناعي. فهل تظنّ أن مراقبة «المخرَج» (التقاط استخدام الذكاء الاصطناعي) استراتيجية أفضل من إعادة تصميم التقويم بحيث يصبح العمل نفسه أصعب في الإسناد إلى الغير؟
• تمتدّ سياسة الذكاء الاصطناعي في التعليم من التشريعات الوطنية والإرشادات الحكومية والقواعد المؤسسية إلى خيارات مستوى الفصل الدراسي. فأيّ هذه المستويات تظنّ أنها تشكّل سلوك الطلاب والمعلّمين فعلًا — ولماذا؟
• من هم أصحاب الأصوات الذين يشكّلون سياسات الذكاء الاصطناعي عادةً — وأصوات من هم غائبون؟ ومن ينبغي أن يكون على المائدة عندما تقرّر مؤسسة ما يُسمح من استخدام الذكاء الاصطناعي وكيف يُحكم عليه؟

مقدّمة

مستويات السياسة

• السياسة المؤسسية: تُقارن تحليلات السياسة المؤسسية كيف تطوّر الجامعات سياسات الذكاء الاصطناعي. وتوفّر أطر التغيير المؤسسي نماذج لتطوير السياسات. وقد رمّز Qian (2026) صفحات الذكاء الاصطناعي الرئيسية للـ50 جامعة أمريكية المصنَّفة كالأكثر ابتكارًا في 2025، فوجد أن 6 فقط أطرتها كـ«سياسة» بينما نشرت 44 إرشادات وتوجيهات ومبادئ أو مراكز موارد، وأن 33 من 50 حدّدت المعلّمين بوصفهم المترجمين الأساسيين لتوقعات المؤسسة إلى قواعد المقرّر — أي أن السياسة المؤسسية تُكتب عن قصد كإرشاد قابل للتكيّف للتفسير على مستوى المقرّر بدل قاعدة ثابتة.
• السياسة الحكومية: وسياسة التعلّم مدى الحياة تفحص المناهج التنظيمية على المستويين الوطني والإقليمي. والرؤية النقدية على مستوى البنية التحتية للذكاء الاصطناعي في صنع السياسات الحكومية هي Perrotta (2026)، الذي يُظهر تحليله لنموذج Redbox المدني البريطاني المبني على النماذج اللغوية الكبيرة (LLMs) كيف يدخل الذكاء الاصطناعي متعدد الأغراض في مجموعة أدوات صناعة السياسة عبر «الحوكمة الصفرية-النماذج» — أي نماذج أساسية مستقلة عن المجال تتدخّل في القرارات، مغلّفةً بسقالات رقيقة خاصة بالمجال سقالات.
• سياسة K-12: تُغذّي مراجعات الأدلّة من Stanford لـ818 ورقة بحثية سياسات الذكاء الاصطناعي لمرحلة K-12.
• سياسة التقويم: تمثّل سياسات إصلاح التقويم وأطر التقويم الأصيل استجابات على مستوى السياسة لـالغش المُتاح بالذكاء الاصطناعي. واختيار صيغة التقويم التلخيصي — شفوي أو تحت المراقبة أو بالكتاب المغلق — هو في ذاته قرار سياسة تقويم (انظر التقويم الختامي).

فجوة نضج السياسات

تُوثّق قاعدة المعارف هذه أن السياسات المؤسسية للذكاء الاصطناعي تتخلّف عن الاستخدام الفعلي. وبرامج التطوير التعليمي، وأطر كفاءة المعلّم في الذكاء الاصطناعي، والتنظيم، كلها تستلزم أسسًا سياسية متّسقة. وتُظهر أدلّة ميدانية واسعة النطاق (Strömberg, Lei, & Wu 2026) أن خسائر التعلّم الناجمة عن إسناد الواجبات المنزلية تبقى غير ملحوظة في الأغلب لأن معلّمي الموادّ الفرديين والطلاب نادرًا ما يربطون التراجع باستخدام الذكاء الاصطناعي — وهي فجوة يمكن للسياسة المُستنيرة بالأدلّة (كالترجيح للتقويم بالكتاب المغلق، وإبلاغ الطلاب بالتكاليف طويلة الأمد، ومراقبة المُدخلات بدل المخرجات) أن تعالجها.

وحيث تكوّن إجماع لسدّ تلك الفجوة، تقاربت دراسة Crompton et al. (2026) بطريقة دلفي بمشاركة 35 خبيرًا من 22 بلدًا على ثمانية مجالات للحوكمة — تتّخذ النزاهة الأكاديمية فيها المرتكز المركزي — فضلًا عن آلية مراجعة من ستة أجزاء (لجنة دائمة للذكاء الاصطناعي التوليدي، ومراجعات دورية للسياسات، والتطوير المهني، والتواصل، وتقييم الأثر، والمراقبة) للحفاظ على حداثة السياسات.

جاهزية الذكاء الاصطناعي الوطنية لا تتنبّأ بقوة السياسة المؤسسية. فقد قيّم Adarkwah et al. (2026) 26 جامعة من عشرة بلدان مرتفعة مؤشر AIPI مقابل إطار الذكاء الاصطناعي التوليدي ذي المكوّنات الثمانية لليونسكو، فوجد أن مؤسسات الدول الإسكندنافية ونيوزيلندا غطّته تغطيةً أكمل من نظرائها الأعلى ترتيبًا، بينما كانت الشمول والإنصاف والاستدامة أكثر العناصر إهمالًا.

الوثائق الإرشادية أكثر عددًا من السياسات المُلزِمة. يُظهر إحصاء لكل برنامج معتمد في مجال مهني واحد أن فجوة النضج هي فجوة في الشكل كما في التوقيت. فقد جمع Eldredge et al. (2026) وثائق سياسات وإرشادات الذكاء الاصطناعي من كل برامج الماجستير الـ48 المعتمدة من CAHIIM في معلوماتية الصحة وإدارة المعلومات الصحية في الولايات المتحدة، فوجد أن 40 (83%) منها لديها وثيقة علنية واحدة على الأقل متعلّقة بالذكاء الاصطناعي بينما لم يكن لدى 8 أي وثيقة، لكن الوثائق كانت في معظمها إرشادية لا قواعد قابلة للتنفيذ: 21 إرشادًا (53%) مقابل 7 سياسات رسمية (18%). وتمركز محتواها حول النزاهة الأكاديمية والاستخدام المقبول، مع ظهور مفاهيم الخصوصية والملكية الفكرية والتنظيم (HIPAA وFERPA والالتزام البحثي) بشكل أقل بكثير، وأعاد نموذج المواضيع التأكيد نفسه على تركيزه على سلوك الطالب. ولم يتباين نوع الوثيقة ولا الجمهور المستهدف بحسب نمط التقديم (دقّة فيشر P = .85 وP = .71). ويقرأ المؤلفون ذلك كدليل على أن سياسة البرنامج الأكاديمي نشاطٌ مستقلّ عن تصميم المناهج وتطوير كفاءات القوى العاملة، ويحاجّون بأن جهات الاعتماد يمكن أن تُخفّف التباين الناتج بتوفير أطر لسياسات الذكاء الاصطناعي تُدمج النزاهة الأكاديمية وأخلاقيات البيانات والوصول العادل.

وتُضيف مراجعة منهجية بريطانية طبقة قطاعية إلى الفجوة نفسها: فالاستثمار في البنية التحتية وتدريب العاملين على الذكاء الاصطناعي يتركّز في الجامعات كثيفة البحث (مجموعة راسل) بينما تواجه المؤسسات التي يقودها التعليم (جيل ما بعد 1992) قيودًا في الطاقة الاستيعابية، ولا تحافظ على خطط حوكمة رسمية للذكاء الاصطناعي سوى أقلية من المؤسسات البريطانية (Ashiq (2026)).

قطاع يضع السياسات دون قاعدة أدلّة. تظهر فجوة النضج أيضًا كمشكلة في الأدلّة داخل البرامج المهنية. فقد قيّم Gutowski and Hurley (2025) سياسات كليات الحقوق الأمريكية المعتمدة من ABA على خمسة أبعاد — الحظرية والإذعان والتكامل التعليمي والشفافية والمساءلة والعمق — فوجد أن معظم الكليات تتّخذ مواقف حظرية عمومًا مع تحفّظ تقدير الأستاذ الفردي، والتزامٍ بمراجعة القواعد مع تطوّر التقنية. ويعزو المؤلفان ذلك الحذر إلى ضغط الوقت أكثر من الأدلّة: إذ استجاب لمسح ABA لعام 2024 نحو 15% فقط من الكليات المعتمدة، ولا يُفيد المؤلفون بوجود إجماع حول وجوب الإفصاح عن استخدام الذكاء الاصطناعي أو كيفية الاستشهاد به. وخاتمتهم إجرائية — ابنِ السياسات مع أعضاء هيئة التدريس لا من أجلهم، ودرّب استباقيًا، واعتبر توليد السياسات حدثًا متكرّرًا لا فعلًا لمرّة واحدة — وهو ما يجعل التعليم القانوني واحدة من أوضح الحالات على التمييز بين السياسة والحوكمة الذي ترسمه هذه الصفحة.

المعلّمون ينظّمون؛ والمؤسسات في الغالب لا تفعل. لفجوة النضج وجه ثانٍ يُرى من جهة التعليم. فقد أجرى Watson and Rainie (2026) مسحًا شمل 1,057 عضو هيئة تدريس في الكليات والجامعات الأمريكية، فوجد أن القواعد كُتبت بوتيرة أسرع بكثير أسفل المؤسسة لا فيها: إذ أنشأ 87% من المجيبين سياساتهم الخاصة على مستوى المقرّر لـاستخدام الطلاب للذكاء الاصطناعي، مقابل 35% قالوا إن قسمهم كتب إرشادات و48% قالوا إن مؤسستهم فعلت ذلك. والاستجابة البنيوية خلف تلك الوثائق هزيلة — إذ أبلغ 55% عن فريق عمل أو مجموعة رقابة، و37% عن صفوف جديدة مخصّصة للذكاء الاصطناعي، و17% عن تخصّص رئيسي أو فرعي في الذكاء الاصطناعي، و16% عن مكاتب قيادة أكاديمية جديدة، و13% فقط عن تبنّي ثقافة الذكاء الاصطناعي كنتيجة للتعليم العام — بينما قال 68% إن مدارسهم لم تُهيّئ أعضاء هيئة التدريس للتعليم بالأدوات. ولأن الطلاب يواجهون الرقعة الناتجة كنظام مؤسسي واحد، فإن النتيجة دليل مباشر على التمييز الذي ترسمه هذه الصفحة بين وثيقة السياسة والحوكمة التي تجعلها متّسقة. (يصف المؤلفان العيّنة بأنها غير علمية وغير قابلة للتعميم، لذا يُقرأ الأمر في أفضل حالاته على أنه هموم القطاع المُعبَّر عنها.) ولهذه الفجوة الموثّقة نتيجةٌ مقيسة من جهة الطلاب. فقد وجد تصميم تشن ذو الدراستين — 160 طالب فنون في تجربة سيناريو و425 في مسح (Chen, 2026) — أن اللاتّساق المدرَك بين ترويج الجامعة للذكاء الاصطناعي التوليدي وممارساتها الفعلية في التعليم والتقويم والدعم تنبّأ موجبًا بتقييمَي العائق (β = 0.431) والتحدّي (β = 0.496)، واللذين حملا أثرين غير مباشرين متعاكسين على اندماج العملية الإبداعية (β = −0.060 عبر العائق، p = 0.004؛ β = 0.217 عبر التحدّي، p < 0.001)، بحيث تستطيع سياسة واحدة غير المتّسقة أن تكبت عمل الطلاب الإبداعي وتُبقيه في الوقت نفسه.

التنظيم على مستوى المهمّة هو النمط الناشئ. يُظهر دراسة طولية واسعة النطاق على أكثر من 31,000 منهج مقرّر (2021–2025) في جامعة بحثية عامة كبيرة (Chirikov 2026) كيف ينظّم المعلّمون الذكاء الاصطناعي فعليًا في الممارسة: إذ نمى التنظيم الصريح للذكاء الاصطناعي من قريب الصفر إلى 55% من المقرّرات بحلول خريف 2025، لكن الاتجاه انقلب من التقييد نحو الإذعان، وأخذ المعلّمون يفرّقون بحسب نوع المهمّة على نحو متزايد — مقيّدين الذكاء الاصطناعي في الصياغة/الاستدلال (مهامّ ذات خطر إحلال) بينما يأذنون به في التحرير/التدقيق اللغوي ودعم الدراسة (مهامّ تعزيزية). وتحوّل التأطير أيضًا من النزاهة الأكاديمية (63%→49% من المناهج) نحو أثر التعلّم (1%→29%). وهذا النمط القائم على المهمّات — المبني على آليات اقتصاد العمل في الإحلال والتعزيز وإعادة التوظيف — يقدّم بديلًا أدقّ تفصيلًا للسياسات الشاملة للتبنّي أو الحظر، وهو مرتكز تجريبي مباشر للتمييز بين السياسة والحوكمة المذكور أعلاه.

• الجانب الطلابي من التنظيم على مستوى المهمّة. فمع خضوع اثنتين من ثلاث تقويمات لفئة استخدام مفتوح متطابقة، ظلّت صيغة التقويم هي التي تحدّد ما استخدمه الطلاب من الذكاء الاصطناعي التوليدي: إذ ارتفعت استخدامات التغذية الراجعة من 0% في عرض تقديمي مُساند بسقالات إلى 66.7% في اختبار منزلي (Quince and Faulconer (2026)).

تصميم السياسة على مستوى المعلّم كتمرين في التوافق. للتنظيم على مستوى المهمّات نظيرٌ في التصميم على مستوى المنهج الدراسي. يُشتقّ في دراسة الحالة التصميمية McCorkle's (2025) من سؤال «ما الذي أقوّمه على وجه التحديد؟» الاستخدامات المسموحة وغير المسموحة للذكاء الاصطناعي التوليدي في مقرّرٍ ما — بحصر كل مهمّة في مشروع، وربط كل مهمّة بهدف تعلّم، وإقران كل منها بكفاءة قوى عامة ناشئة في الذكاء الاصطناعي التوليدي (التطوير المهني والجاهزية)، ثم تحديد أيّ اعتبار يأخذ الأسبقية: الحاجة إلى تقويم أداء الطلاب أو قيمة بناء الكفاءة. وتختلف السياسة الناتجة مهمّة بمهمّة داخل مشروع واحد — إذ يُسمح بالعصف الذهني للمواضيع وبتنسيق الصور بينما لا يُسمح بصياغة أهداف التعلّم أو بتصميم الشرائح — مع التعليل المكتوب موجّهًا مباشرةً إلى الطلاب. وتوثّق الحالة أيضًا لماذا تفشل الممنوعات الشاملة في الممارسة: فالطلاب الذين لا يرون أنفسهم غير أمناء يقرأون المنع كأنه لا ينطبق عليهم، وتصبح السياسة غير عادلة (الإنصاف) عندما تُترك التوقعات ضمنية. وهي تُكمّل مستويات السياسة من أعلى إلى أسفل بإظهار كيف يمكن توليد محتوى السياسة من توافق التقويم على مستوى المقرّر والواجب.

فجوة الحدود مقابل الأدلّة في سياسة التقويم. يكشف تدقيق لثلاثين جامعة في إرشادات تقويم الذكاء الاصطناعي التوليدي العامة (Yao 2026) أن السياسات المؤسسية أجدَر في تصنيف استخدام الذكاء الاصطناعي منها في شرح الأدلّة التي تبقى صالحة على التعلّم في ظلّ كل صنف: فقد تجاوز متوسط درجة حدّ الإسناد (2.47/4) متوسط درجة معيار الأدلّة (1.89/4)، وكانت الضمانات شحيحة (2.75 من 8)، وكان الإرشاد أوضح ما يكون في حالة استبدال المخرَج النهائي. ويحاجّ إطار الرعاية المعرفية بأن السياسات يجب أن تجعل منطق التصديق مرئيًا — ما الذي يجوز للمتعلّم أن يُسنده لغيره، وما الذي يجب أن يُبرهن عليه بنفسه، وكيف تحمي المؤسسات أدلّةً عادلة — بدل أن تراقب استخدام الذكاء الاصطناعي فحسب.

لغة حظر مفرطة الشمول وقواعد مُطبَّقة خطأً. نطاق القاعدة قرارٌ سياسي له تبعات تتجاوز الامتثال. يحاجّ Wright (2026) أن الممنوعات الشاملة المكتوبة في ربوع التعليم العالي منذ 2023 تحظر «الذكاء الاصطناعي التوليدي» دون الدقّة التقنية اللازمة لفصل توليد المحتوى عن تحويل الصيغ المدعوم بالذكاء الاصطناعي — فالتعرّف الضوئي على الحروف والتعرّف على النصّ المكتوب بخطّ اليد وتحويل الكلام إلى نصّ هي تقنيات تعرّف تستنبط ما كتبه الطالب أصلًا بدل أن تُنتج محتوى جديدًا. وعلى هذا القراءة، فإن معاقبة الاستخدام المخصّص للنسخ الآلي وحده توصف في أفضل حالاته كسوء تطبيق للسياسة لا كسوء سلوك، وتتكفّل تكلفة اللا دقّة عبئًا غير متكافئ: فالطلاب المعرّضون للإنصاف وذوو الإعاقة الذين يعتمدون على تلك الأدوات يحملون خطرًا غير متناسب من الإيجابيات الكاذبة، وهو تعرّض تتعامل معه المسائل والمخاطر القانونية كمسألة تسهيل معقول لا كمسألة نزاهة.

حدّ قائم على الغاية بدل قائمة الأدوات. يقدّم Li (2026) محتوى السياسة الذي تفتقده لغة الحظر المفرطة الشمول: وهو خطّ «الدعم مقابل الاستبدال» محدَّد بالوظيفة وببنية التقويم لا بتسمية الأدوات، على أساس أن قوائم الأدوات تصبح قديمة وتشجّع الامتثال بالواجهة. فالدعم المسموح تدخّلٌ سطحي لا يضيف أفكارًا ولا مصادر ولا إعادة ترتيب مادية للتحليل؛ أما الاستبدال فهو توليد الحجّج أو الحجج المضادة، أو تطبيق قواعد المجال الدراسي على الوقائع، أو إعادة هيكلة تتابع تحليلي، أو توليد استشهادات للإدراج. ويُسلَّم الإطار في صورة ثلاث آلات — تعاريف عاملة مع اختبارات سريعة مشتركة حتى يميّز مصحّحان السلوك ذاته بالمثل، وقوالب إفصاح مُعايَرة تمتدّ من لا شيء للوظائف المدمجة منخفضة الخطورة إلى عبارة من سطر واحد للتحرير اللغوي الخارجي وإلى نحو 80–120 كلمة حيث يُسمح صراحةً بتوليد محدود للأفكار، وسُلّم قرار يسمّي بدائل ضعيفة (اللغة المصقولة أو الطلاقة المفاجئة، الصياغة غير الأصلية، درجات كشف منفردة) إلى جانب أنواع الأدلّة التي يمكن أن تحمل وزنًا. كما يذكر الإطار الشروط التي تظل فيها فيها الأنظمة الإذعانية الموسّعة كمقياس تقويم الذكاء الاصطناعي قابلة للعمل: إذنٌ صريح بالاستخدام للمهمّة المحدّدة، وإعادة تحديد البنية حتى يعرف الطلاب والمصحّحون ما يُقوَّم، والإفصاح المحفوظ على جدواه.

أتمتة مُدرَّجة مع رقابة بشرية إلزامية. يقدّم اختبار الاعتماد الإقليمي الأدنى في الأوروغواي Acredita EB نموذجًا ملموسًا للأتمتة التي تحفظ الرقابة في سياسة التقويم: فأقسام الاختيار من متعدّد والإجراءات القائمة تبقى على حالها، ولا يُستخدم الذكاء الاصطناعي إلا في قسم الكتابة داخل مرحلة معايرة إلزامية على 50–100 نصّ، وتقرّر قاعدتان لتقليم النتائج أيّها يستلزم مراجعة خبراء — فالمرشّحون الذين لا يستطيعون النجاح في القسمين الآخرين لا يحتاجون مراجعة كتابة، والمرشّحون البارعون في الأقسام الثلاثة جميعًا ينجحون بمجرد مخاطرة متبقية ملاحَظة قدرها 0.2%/0.6%. ويقدّر المؤلفون أن التصميم قد يُقلّص الاستجابات الكتابية التي تحتاج تقييمًا بشريًا كاملًا بنسبة 50% على الأقل مع الحفاظ على المبدأ الموجّه ألّا يُتخذ أي قرار نهائي بشأن نتائج الاختبار دون رقابة بشرية مناسبة. وهذا يُكمّل عمل الحدود مقابل الأدلّة أعلاه بإظهار سياسة تحدّد ليس فقط أين يُسمح بالذكاء الاصطناعي بل أيضًا أيّ أدلّة بشرية وأي مراجعة تبقى إلزامية.

الجانب العدائي لـالتصحيح الآلي. السياسة التي تُمرّر التصحيح عبر أداة ذكاء اصطناعي ترث سطح هجوم. فقد اختبر Humble (2026) سطح هجوم لسير عمل تصحيح مؤسسي بإخفاء خمس حقن مطالبات غير مباشرة داخل ملفات تسليم اصطناعي صنّفه Microsoft Copilot (GPT-5.2) كراسب في جميع الجولات الست الأساسية. وقد رفعت استراتيجيتان الدرجة دون أي تحذير مرئي للمستخدم — بمعدّلات نجاح هجوم مُعلَنة قدرها 100% (9 من 9 تكرارات) و94% (17 من 18) — وعطّلت الأداة محادثةً بصمت بعد حجب أبسط هجوم، وفي تكرار واحد أعلنت أنها ستتجاهل التعليمات المدمجة قبل أن ترفع الدرجة في الجولات الست التالية. والدرجة المتحصّلة عبر تعليمات خفيّة لا تحمل أيّ دعوى صدق، ويمكن للتقنية نفسها أن تُنقص من درجة تسليم دون أثر باقٍ، لذا فإن مطالب الورقة على مستوى السياسة لا التقنية: إرشادات على مستوى القطاع، وتطوير مهني، واستخدام مقيّد للذكاء الاصطناعي مع مراجعة بشرية في الأعمال عالية المخاطر، واختبار معياري ومستقلّ عن المجال لمقاومة حقن المطالبات حتى يُقاس سطح الهجوم لا يُفترض. وهو النظير العدائي لتصاميم الرقابة أعلاه: فحيث تحدّد تلك أيّ مراجعة بشرية إلزامية، تحدّد هذه صنفًا من التلاعب توجد المراجعة لالتقاطه لكن دون إشارة موثوقة.

مصفوفة القيم والمعايير كأساس للسياسة. تُوحّد Agarwal et al. (2026) في مراجعة منهجية لـ25 مقالًا أخلاقيات التعليم بالذكاء الاصطناعي في ست قيم أخلاقية رئيسية (عدم التمييز، ورعاية البيانات، والرقابة البشرية، وحسن النية، والقابلية للتفسير، والملاءمة التعليمية) وترسم المعايير الأخلاقية المستخرجة من الأدبيات على مصفوفة أصحاب المصلحة بالقيمة. وتضع المراجعة المصفوفة كأساس لبناء أطر أخلاقية وأنظمة تنظيم مفصّلة للتعليم بالذكاء الاصطناعي، مُعطيةً المؤسسات التعليمية والمطورين والمنظّمين معايير ملموسة لتنفيذ قيم محدّدة. وتجد أن معايير حسن النية الموجّهة إلى المنظّمين أكثر عددًا بكثير (تسع) من أيّ مجموعة أصحاب مصلحة أخرى، مما يشير إلى دور المنظّمين في ضمان استفادة المتعلّمين من التعليم بالذكاء الاصطناعي عبر السياسة والتشريع — وهي نقطة بداية مرتكزةً على القيم لآلية السياسة مقابل الحوكمة التي تصفها هذه الصفحة.

دعاوى تسافر أبعد من مؤهّلاتها. إعلان التجربة أداة سياسية أيضًا، ومعايير التبليغ عنه جزء من السياسة. يحلّل Restrepo Morales et al. (2026) حادثة السلفادور في سبتمبر 2026 التي أُبلغ فيها عن تجربة تدريس بالذكاء الاصطناعي في 171 مدرسة حكومية بأنها بلغت نتائج مماثلة لألمانيا والسويد: فمقابل متوسط الرياضيات في PISA 2022 لألمانيا، كانت أعلى 5.5% من التوزيع الوطني للإنجاز ستطابق المعيار دون أي مكسب تعلّم على الإطلاق، وغطّى تقويم التجربة 7.0 طالبًا لكل مدرسة مقابل 25.4 في المسح الوطني للسنة نفسها، لذا لا تستطيع الأدلّة المنشورة استثناء الاختيار كتفسير. واقتراحهم معيار تبليغ من ستة بنود — خط الأساس للمدارس المشاركة، وبروتوكول المعاينة (الطلاب المؤهّلون، والطلاب المقوّمون، وقاعدة التحديد، ومعدّل المشاركة)، والدرجات المُفصّلة بأخطائها المعيارية، والتاريخ التشغيلي لكل مكوّن من مكوّنات الإصلاح، والتقاطع مع العيّنة الوطنية التمثيلية، والتأهيل المُصرَّح به في الوثيقة ذاتها وفي المنشور أو الفقرة ذاتها كالدعوى — مدفوعًا بحساب الإفصاح في الإعلان نفسه: إذ سجّل منشور البنك الدولي الحامل للدعوى نحو 441,000 مشاهدة مقابل نحو 11,000 للمنشور الحامل للتأهيل أربع مواضع لاحقًا في الخيط ذاته. والدرس السياسي أنه حيث يستخدم نظامٌ نتائج على مستوى المدرسة كدليل عن نفسه، فإن صيغة الإفصاح هي التي تحدّد أيّ عبارة تصبح الحقيقة العامة.

ووجد تحليل على مستوى البلاد لبيانات PISA 2022-2025 أن البلدان ذات الاستخدام الأعلى للذكاء الاصطناعي التوليدي أظهرت تراجعات أكبر في القراءة والرياضيات، وهو ارتباط اختفى بمجرد ضبط الأداء السابق (Guerra & Aslanov, 2026). ويقرأ المؤلفون ذلك كتحذير بأنه لا ينبغي معاملة اتّساع الوصول إلى برامج المحادثة كمنفعة في ذاته، ويدعون إلى طرحٍ منسّق معه تقويم طولي.

السياسة مقابل الحوكمة

السياسة والحوكمة مرتبطتان ارتباطًا وثيقًا لكنهما متمايزتان، والفصل بينهما مهمّ لفهم أبحاث قاعدة المعارف هذه.

• السياسة هي المحتوى — ما يُقرَّر. فالقاعدة الرسمية أو المبدأ أو البيان: ما هو مسموح من استخدام الذكاء الاصطناعي أو ممنوع أو مطلوب؛ وما يجب الإفصاح عنه؛ وأيّ صيغ التقويم مسموحة. وهي موجودة كأداة موثّقة (تشريع، أو إرشاد مؤسسي، أو عبارة في منهج دراسي) وتجيب على «ما هي القواعد؟»

• الحوكمة هي الآلية — كيف يُقرَّر ويُنفَّذ ويُفرَض. تشمل الحوكمة البنى المؤسسية والمعايير وآليات المساءلة التي تُنتج السياسة وتنفّذها وتراقبها: من يضع القواعد، وكيف تُبلَّغ وتُمَوَّل، وكيف يُفرض الامتثال ويُطعن فيه، وكيف تُراجَع مع تطوّر الذكاء الاصطناعي. وهي تجيب على «من يقرّر، وكيف تسري القواعد فعلًا؟»

• هما متأثّرتان. فالسياسة دون حوكمة غير مفروضة — قاعدة مكتوبة لا يملكها أحد ولا يراقبها ولا يحدّثها. والحوكمة دون سياسة تفتقد الاتجاه — بنى لا تدير شيئًا بعينه. وتُظهر أبحاث قاعدة المعارف هذه تكرارًا أنه يجب بناؤهما معًا: فالسياسة التي تصنّف استخدام الذكاء الاصطناعي فحسب دون حوكمة تحدد الأدلّة والضمانات وعمليات المراجعة تبقى ضعيفة في الممارسة (تدقيق الرعاية المعرفية)، والحوكمة التي تراقب فحسب دون سياسة واضحة تُخاطر بأن تكون مراقبةً دون إنصاف (انظر حوكمة الذكاء الاصطناعي).

• القيادة العليا للذكاء الاصطناعي نادرة مقارنةً بالطموح الاستراتيجي. فقد وجدت مراجعة نطاقية لـ19 مصدرًا أن 7% فقط من المؤسسات أنشأت مناصب قيادية عليا للذكاء الاصطناعي مع أن 49% عالجت الذكاء الاصطناعي كأولوية استراتيجية، ومع أن معظم الدراسات المشمولة كانت مفاهيمية أو مقطعية، فلا يمكن تأسيس أي أثر سببي للحوكمة الاستباقية (Baroudi (2026)).

والاختبار العملي الذي يفصلهما: فالسياسة يمكن قراءتها على الورق، أما الحوكمة فتُلاحَظ فيما إذا كانت القاعدة تُنفَّذ وتُفرَض وتُكيَّف. ولهذا يمتدّ الحوكمة ليشمل التنظيم والسياسة داخل المؤسسات، ولهذا تعامل قاعدة المعارف هذه اختيارات صيغة التقويم (التقويم التلخيصي) كقرارات سياسية لا تصبح فعّالة إلا عبر بنى حوكمة مثل مجالس المراجعة وأطر التصريح وطرق التظلّم.

سياسة الفصل الدراسي كالحدّ التفسيري لحقل الحوكمة. لا تتوقّف آليات الحوكمة عند الوثيقة المؤسسية؛ فالمعلّمون الذين يقرأونها ويُكيِّفونها هم الحلقة الأخيرة في السلسلة، ويُظهر Nash & Burriss (2026) كيف تبدو تلك الحلقة في الممارسة. فقد توقّع المعلّمون قبل الخدمة في دراستهم العمل في مناطق ذات سياسات ذكاء اصطناعي ومع ذلك اضطُروا إلى تأليف قواعد خاصة بفصولهم لطلابهم — وهي مهارة تكييف أساسية — ويحاجّ المؤلفون بأن المعلّمين يمكنهم رفض تبنّي الذكاء الاصطناعي في مهامّ قراءة وكتابة محدّدة دون تجاهله، وأن الرفض المبدئي قابل للتمييز عن الرفض غير النقدي. والحفاظ على ذلك التمييز مهمّة حوكمة بذاته: فالمناطق التعليمية وبرامج الإعداد تحتاج الإرشاد والتطوير المهني والبنية التحتية للسياسات التي تتيح للمعلّمين رفض استخدامات معيّنة دون أن يُوصفوا بأنهم متخلّفون عن العصر.

مؤشّرات الحوكمة لمشكلة التوثيق. يقدّم Coates, Croucher and Calderon (2025) طبقة القياس التي يفترضها هذا التمييز بين السياسة والحوكمة، معالجين النزاهة الأكاديمية في عصر الذكاء الاصطناعي التوليدي كمشكلة حوكمة قبل أن تكون مشكلة كشف، وحاكمين بأن الحوكمة الأكاديمية المعاصرة صامدة لكنها «ليست في موقع جيّد أو مهيّأة» لحماية توثيق تقويم الطلاب التقويم. ويحمل إطارهم 130 سؤالًا للحوكمة تحت ثمانية أبعاد — التصميم والتطوير والتدريب والتنفيذ والتحليل والتبليغ والتقييم والتحسين — والبنود أسئلة عن الآلية المؤسسية لا مقاييس قياسية نفسية: مثل ما إذا كانت أعلى هيئة أو مجلس في المؤسسة يتلقّى تحديثات عن عمليات التقويم ونتائجه، وما إذا كانت مؤشرات الأداء الرئيسية تغطّي جودة التقويم، وكم نسبة الطلاب الذين يعرفهم المعلّمون المقوّمون لهم معرفةً فردية، وهل تُراجَع الدرجات المنخفضة أو المرتفعة للغاية، وهل توجد طريقة بسيطة لإحالة حالات الغش التعاقدي. ويستهدف برنامج الإصلاح المصاحب بنى الحوكمة والأشخاص الذين يتقلّدون أدوارها والتقنيات والموارد الداعمة للتقويم، ويحاجّ المؤلفون بأن التطوير المؤسسي الضئيل لا يُثمر دون تمكين خارجي من التنظيم والمعايرة والمنافسة بين المؤسسات — وهو الضغط التنظيمي ذاته الذي تعالجه صفحة التنظيم كقيدٍ مُلزِم على إصلاح الحوكمة.

• الفجوة مقيسة في K-12 أيضًا، لا في الجامعات فقط. فقد وجد مسح وطني تمثيلي شمل 1,018 معلّمًا ومدير مدرسة في المدارس الحكومية الأمريكية أن 18% فقط من المعلّمين و24% من المديرين أبلغوا عن وجود سياسة ذكاء اصطناعي توليدي في المدرسة — وهو النمط ذاته «أسفل المؤسسة» الذي توثّقه هذه الصفحة في التعليم العالي (Tench, Weinstein & James, 2026).

العجز في السياسات في أبحاث الذكاء الاصطناعي × التعلّم الاجتماعي العاطفي

تُوثّق مراجعة منهجية لـ65 ورقة بحثية عند تقاطع الذكاء الاصطناعي والتعلّم الاجتماعي العاطفي (Tran, Liu & Nguyen 2026) «عجزًا في السياسات»: إذ لا تذكر قرابة ثلاثة أرباع الدراسات أيّ تبعات سياسية، والتي تذكرها كثيرًا ما تفتقد الخصوصية الموجّهة للفاعلين. وتجد المراجعة أن الاندماج مع السياسات يرتبط بجهة النشر، مما يعكس حوافز أكاديمية تُكافئ الجِدّة التقنية على الحوكمة والتنظيم. وتقترح إطار «الأسئلة الستّة الكبرى» (من، وماذا، ولماذا، ومتى/أين، وكيف) وتحوّلًا من «التبعة كفكرة لاحقة» إلى «التبعة كمنهجية» — بمعاملة صياغة السياسة كقيد تصميمي على البحث بدل أن تكون إضافةً لاحقة.

مفاهيم مرتبطة

• الشراكات التربوية — الشراكات التربوية
• تنظيم الذكاء الاصطناعي في التعليم — التنظيم
• حوكمة الذكاء الاصطناعي — الحوكمة
• التطوير التربوي — التطوير التعليمي
• الإنصاف — الإنصاف في تعليم الذكاء الاصطناعي
• التعليم العالي — التعليم العالي
• K-12 — مرحلة K-12
• النزاهة الأكاديمية — النزاهة الأكاديمية
• الأخلاقيات — الأخلاقيات
• كفاءة المعلم في الذكاء الاصطناعي — كفاءة المعلّم في الذكاء الاصطناعي
• تأطير استخدام الذكاء الاصطناعي للطلاب — تأطير استخدام الذكاء الاصطناعي للطلاب
• التقويم الختامي — التقويم التلخيصي
• تعليم الكيمياء — تعليم الكيمياء والذكاء الاصطناعي: المختبرات والتقويم التكويني وحدود النماذج اللغوية الكبيرة وفلسفة التجريب
• تعليم الأحياء — تعليم الأحياء والذكاء الاصطناعي: مساعدو المختبر التدريسيون، وثقافة الذكاء الاصطناعي في الأحياء، والتفكير النقدي، والأدوات المتخصّصة
• أصحاب المصلحة — المظلة: الأشخاص والجماهير في تعليم الذكاء الاصطناعي (المتعلّمون، والمعلّمون، والمصمّمون، والمديرون، وصنّاع السياسات)
• دعم الطلاب ونجاحهم — السياق السياسي لنشر الدعم المؤسسي

مقالات مرتبطة

• An AI Policy Isn't a Playbook: Educators Need Agency, Not Just New Rules — مسح وطني تمثيلي للمعلّمين والمديرين الأمريكيين حول تغطية سياسة الذكاء الاصطناعي والوكالية وخمس لعب صفية (Tench, Weinstein & James 2026)
• When universities advocate GAI but practice falls short: student appraisals and creative process engagement in art education — عندما تروّج الجامعات للذكاء الاصطناعي التوليدي بينما تقصّر الممارسة: تقييمات الطلاب واندماج العملية الإبداعية في تعليم الفنون
• Writing the Rules for Generative Machines: Tensions and Entanglements in Preservice Teachers' Classroom AI Policies — سياسات الذكاء الاصطناعي في الفصل الدراسي لدى معلّمين قبل الخدمة في اللغة الإنجليزية: ما أذنوا به وحدّوه وحظروه (Nash & Burriss 2026)
• A Human-in-the-Loop Framework for AI-Assisted Scoring in Large-Scale Writing Assessment — إطار بمشاركة الإنسان للتصحيح المدعوم بالذكاء الاصطناعي في تقويم الكتابة واسع النطاق
• Designing an Aligned Generative AI Course Policy: An Equitable and Transparent Learner-Centered Approach — استنباط الاستخدامات المسموحة وغير المسموحة للذكاء الاصطناعي التوليدي مهمّةً بمهمّة انطلاقًا مما يُقوَّم (McCorkle 2025)
• How Instructors Regulate AI in College: Evidence from 31,000 Course Syllabi — كيف ينظّم المعلّمون الذكاء الاصطناعي عبر 31,000 منهج مقرّر (Chirikov 2026)
• Artificial Intelligence and Grade Inflation — إحلال مهامّ الذكاء الاصطناعي كآلية لتضخّم الدرجات (Chirikov 2026)
• Governing generative AI in higher education: a global Delphi study on policy and practice — دلفي عالمي حول حوكمة الذكاء الاصطناعي التوليدي في التعليم العالي
• Governing generative AI in higher education: Emerging policy approaches and support ecosystems at innovative U.S. universities — الإرشاد بدل السياسة: قواعد المناهج التي يضعها المعلّمون ونظام دعم من أربع وحدات في 50 جامعة أمريكية مبتكرة (Qian 2026)
• Forging ahead or proceeding with caution: Developing policy for generative artificial intelligence in legal education — مقارنة بخمسة عوامل لسياسات الذكاء الاصطناعي التوليدي في كليات الحقوق في قطاع يضع السياسات دون قاعدة أدلّة (Gutowski & Hurley 2025)
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — النسخ الآلي ليس توليدًا: قواعد ذكاء اصطناعي مفرطة الشمول وتحويل الصيغ وتسوية الإعاقة (Wright 2026)
• Anticipatory governance and leadership for AI implementation in higher education: A scoping review — الحوكمة الاستباقية للذكاء الاصطناعي في التعليم العالي (مراجعة نطاقية)
• Institutional approaches to artificial intelligence policy and guidance in health informatics and information management education: emerging trends and inconsistencies — وثائق سياسة الذكاء الاصطناعي في كل برامج الماجستير الـ48 المعتمدة في معلوماتية الصحة: إرشادات في معظمها، متمركزة حول النزاهة الأكاديمية (Eldredge et al. 2026)
• What Does the Credential Still Certify? Cognitive Stewardship for AI-Mediated Education — الرعاية المعرفية للتقويم المُتوسَّط بالذكاء الاصطناعي (تدقيق سياسات في 30 جامعة)
• Generative Artificial Intelligence Policy: A Qualitative UNESCO Framework Analysis
• A Comparative Analysis of Institutional and Course Generative AI Policies within Higher Education: Implications for Instruction in Computing Education
• A Framework for Institutional Change in the Age of AI
• A bit of chaos and madness: The AI Assessment Scale and the work of assessment reform
• The Evidence Base on AI in K-12: A 2026 Review
• Artificial Intelligence in UK Higher Educational Policy and Institutional Decision Making
• The Policy Deficit in AI × Social-Emotional Learning Research — العجز في السياسات في أبحاث الذكاء الاصطناعي × التعلّم الاجتماعي العاطفي
• Identifying the ethical values and norms for artificial intelligence in education: A systematic literature review — القيم والمعايير الأخلاقية للذكاء الاصطناعي في التعليم
• Zero-shot governance — الحوكمة الصفرية-النماذج: الذكاء الاصطناعي متعدد الأغراض في السياسة (Perrotta 2026)
• How much selection would be enough? Bounding the learning claim of El Salvador's artificial intelligence tutoring pilot — تحديد حدود دعوى التعلّم في تجربة تدريس السلفادور بالذكاء الاصطناعي (Restrepo Morales et al. 2026)
• The AI Challenge: How college faculty assess the present and future of higher education in the age of AI — 1,057 عضو هيئة تدريس أمريكي: 87% يكتبون قواعد مهامّهم الخاصة مقابل إرشادات مؤسسية وقسمية هزيلة (Watson & Rainie 2026)
• GenAI assessment and language equity: Drawing the line between support and substitution — حدّ الدعم مقابل الاستبدال القائم على الغاية مع إفصاح مُعايَر وسلالم قرار (Li 2026)
• Ethical implications of prompt injection in AI-mediated grading: An adversarial red-team evaluation — حقن المطالبات في التصحيح المُتوسَّط بالذكاء الاصطناعي: تغيّرت الدرجات دون اكتشاف، والاستجابة على مستوى السياسة (Humble 2026)
• Governing academic integrity: Ensuring the authenticity of higher thinking in the era of generative artificial intelligence — 130 مؤشّر حوكمة لتوثيق التقويم، والضغط الخارجي الذي يحتاجه الإصلاح (Coates, Croucher & Calderon 2025)
• Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics — فئة السياسة مقابل تصميم المهمّة: ما استخدمه الطلاب من الذكاء الاصطناعي التوليدي في ثلاث تقويمات فيزيائية (Quince & Faulconer 2026)
• Generative AI use and the 2022–2025 decline in PISA performance across countries — ارتبط الاستخدام الأعلى للذكاء الاصطناعي التوليدي على مستوى البلاد بتراجعات أكبر في PISA 2022-2025، وهو ارتباط اختفى بعد ضبط الأداء السابق (Guerra & Aslanov 2026)