المفاهيم
التعاطف
ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.
تركيب: يدخل التعاطف التعليم من ثلاثة اتجاهات في وقت واحد: بوصفه ناتجًا يحاول المربّون تدريسه، وبوصفه بناءً يحاولون قياسه، وبوصفه شيئًا يُقال إن أنظمة الذكاء الاصطناعي تُظهره على نحو متزايد. والأدلة غير متساوية في الاتجاهات الثلاثة جميعًا. وتدريس التعاطف ينجح — فتمثيل الأدوار والواقع الافتراضي وحوار النماذج اللغوية الكبيرة كلها تنتج مكاسب قبلية-بعدية قابلة للقياس — لكن الأثر يتقلّص كلما صارت التجربة أقل تجسيدًا، ودراسات المقارنة تخلط بين الوسيط والزمن المستغرق في المهمة. وقياس التعاطف أصعب من تدريسه: فتقديرات الملاحظين متماسكة، بينما تتفق وكلاء الرؤية الحاسوبية على التلامس الجسدي، وتختلف على التواصل البصري، وتنقلب على الابتسام. ويستطيع الذكاء الاصطناعي أن يتدرّب على المحادثة المتعاطفة على نطاق واسع، لكن الدراسة الأفضل ضبطًا تُظهر ارتفاع الكفاءة المقيَّمة ذاتيًا دون فحص للأداء الملاحَظ. أما أحدث القلق فيسير في الاتجاه المعاكس: فالاعتقاد بأن الذكاء الاصطناعي قادر على توفير التعاطف يجعل الناس أقل استعدادًا لتوفيره بأنفسهم (Shastry & Gray, 2026).
أسئلة للتفكير
- إذا كان تمثيل الأدوار والواقع الافتراضي وروبوت المحادثة كلها ترفع درجات التعاطف، فهل الفرق في التعلّم أم في الزمن المستغرق في المهمة؟
- طالبة تمريض تبتسم لمريض يتألّم: الملاحظون يقرؤون ذلك تنافرًا، وكاشف الابتسام يقرؤه دفئًا. فأيّهما ينبغي أن يثق به التقييم؟
- معظم دراسات تدريب التعاطف المدعوم بالذكاء الاصطناعي تقيس الثقة لا السلوك الملاحَظ. فإذا ارتفعت الثقة ولم يتغيّر السلوك، فهل فشل التدريب أم أنه لم يُختبر فحسب؟
- حين يستجيب روبوت محادثة بدفء، يبلّغ الطلاب بأنهم يشعرون بأنهم مفهومون. فهل ذلك تعاطف، أم أداء للتعاطف، أم شيء يهمّ بصرف النظر عن أيّهما؟
- إذا كان الناس يفرّغون المسؤولية التعاطفية بمجرد أن يعتقدوا أن الذكاء الاصطناعي قادر عليها، فماذا يعني ذلك لمنهج يدرّس التعاطف جزئيًا عبر الممارسة بالذكاء الاصطناعي؟
- من ينبغي أن يقرّر هل التعاطف ناتج قابل للتقييم — وماذا يحدث للطلاب الدقيقين غير الدافئين؟
مقدّمة
يُفكَّك التعاطف عادةً إلى مكوّنين على الأقل: مكوّن معرفي هو تبنّي المنظور، ومكوّن وجداني هو مشاركة شعور الآخر، مع إضافة بعض الحسابات مكوّنًا دافعيًا هو الحافز إلى المساعدة. وكثيرًا ما يُقاس الضيق الشخصي — أي رد الفعل النفوري إزاء معاناة الآخر — إلى جانب ذلك، ويتصرّف تصرّفًا مختلفًا عن بقية المكوّنات. وهذا يهمّ التعليم لأن المكوّنات قابلة للتدريس بطرائق مختلفة وقابلة للقياس بدرجات متفاوتة من النجاح.
ويدخل الذكاء الاصطناعي عند ثلاث نقاط متمايزة، وخلطها هو المصدر الرئيسي للالتباس في الأدبيات.
- الذكاء الاصطناعي بوصفه طريقة تدريس للتعاطف البشري. المحاكاة، والتجسيد في الواقع الافتراضي، وتمثيل الأدوار مع شخصيات مولّدة بنموذج لغوي كبير، والصور التوليدية المستخدمة لجعل تجربة الآخر حيّة.
- الذكاء الاصطناعي بوصفه أداة قياس. الرؤية الحاسوبية التي تُقيّم لغة الجسد في محاكاة مسجّلة، أو مقاييس تعامل التعاطف سمةً تُعبَّر عنها في التفاعل مع الذكاء الاصطناعي.
- الذكاء الاصطناعي بوصفه فاعلًا متعاطفًا. روبوتات محادثة تؤدّي أدوار المرضى أو المدربين أو الرفاق، ومصمَّمة لتبدو فاهمة، وهو ما يطرح سؤال هل التعاطف حقيقي أم مؤدًّى أم بديل عن التواصل البشري.
ويتعلّق الأولان بالمتعلّمين؛ أما الثالث فيتعلّق بالأنظمة. والصفحة التي تخلط بينها ستنتج ادعاءات من قبيل «الذكاء الاصطناعي يحسّن التعاطف» تعني ثلاثة أشياء مختلفة.
هل يمكن تدريس التعاطف؟
المقارنة المباشرة نظيفة التصميم على نحو غير معتاد، ومختلَطة التنفيذ على نحو غير معتاد. فقد وزّع Zwoliński et al. (2026) 64 طالب ماجستير في مقرر عن إمكانية الوصول عشوائيًا على تمثيل أدوار في العالم الحقيقي بالكراسي المتحركة وبدلات الشيخوخة ومحاكيات الحمل؛ أو المعدات نفسها في مختبر واقع افتراضي؛ أو حوار بناء شخصيات مع ChatGPT-4.0. وتحسّنت المجموعات الثلاث تحسّنًا دالًّا على مؤشر Davis للتفاعل بين الشخصي. فتمثيل الأدوار كسب 13.2%، والواقع الافتراضي 11.6%، وشرط الذكاء الاصطناعي 8.8%. ولم يختلف بين المجموعات اختلافًا دالًّا سوى الضيق الشخصي.
والترتيب بديهي وتفسيره ليس كذلك. فقد استمرت الشروط الثلاثة نحو 125 و87 و42 دقيقة، فالدراسة تقارن الوسيط والجرعة معًا. ومن الإنصاف القول إن حوارًا مع نموذج لغوي مدته 42 دقيقة أنتج مكسبًا أصغر من تمرين مجسَّد مدته ساعتان؛ وليس من الإنصاف القول إن التجسيد يساوي ثلاثة أضعاف في الدقيقة. والمؤلفون صريحون بشأن هذا الالتباس، وتوصية طلابهم أنفسهم — الجمع بين قابلية تكرار الواقع الافتراضي، وثراء العالم الحقيقي الحسّي، وتكيّف النموذج اللغوي — قراءة معقولة للأدلة.
وتضيف أدبيات المهن الصحية حجمًا لا وضوحًا سببيًا كبيرًا. فقد راجع Ismail and Zafira (2026) 17 دراسة عن الذكاء الاصطناعي في تنمية المجال الوجداني، فوجدوا أن التدخلات تتركّز في تدريب التواصل، والمرضى الافتراضيين، والتغذية الراجعة التأملية، ومحاكاة إبلاغ الأخبار السيئة، والتقييم على نمط OSCE. وأبلغ معظمها عن مكاسب في الثقة، والكفاءة الذاتية، والانخراط التأملي، أو مهارة التواصل المدرَكة. أما الأدلة على التعاطف نفسه، والاستجابة الوجدانية، والأصالة العلائقية، والتواصل غير اللفظي، فبقيت محدودة. وهذه هي النتيجة المركزية: مجال يقصد تدريس التعاطف يقيس في الأغلب الراحة.
ويفصح خيط رابع عن الالتباس: فحساسات الاستثارة القابلة للارتداء والصور المولّدة بالذكاء الاصطناعي يمكن أن تجعل ظروف الآخر حيّة، لكن ارتفاع التوصيل الكهربائي للجلد دليل على الاستثارة لا على التعاطف، والدراسات في هذا الخط تتوقف عند ذلك غالبًا (Lim et al., 2024).
هل يمكن قياس التعاطف؟
تقديرات الملاحظين أقرب شيء إلى معيار مرجعي، وهي تتصرّف تصرّفًا معقولًا. ففي Nissan et al. (2026)، قيّم عضوان من هيئة التدريس 37 طالب تمريض في محاكاة مسجّلة بجرد من 12 بندًا (α = 0.91) ومقياس من ست إيماءات (α = 0.93)، وارتبطت تقديرات الإيماءات بالجرد بمعاملات من 0.41 إلى 0.63.
والخوارزميات روت قصة أكثر إثارة. فكشف التلامس الجسدي اتفق مع أربعة مقاييس للملاحظين بمعاملات من 0.46 إلى 0.54. ولم يُظهر كشف التواصل البصري والخريطة الحرارية ارتباطًا دالًّا بأحكام الملاحظين. أما كاشف الابتسام فقد ارتبط سالبًا بثلاثة مقاييس للملاحظين، وبالتعاطف الكلي عند r = −0.322، لأن الملاحظين كانوا يشاهدون طالبًا يبتسم لمريض يتألّم ويقرؤون ذلك توترًا أو تنافرًا. فالإشارة كانت حقيقية، والتفسير كان معكوسًا. وهذه هي الفجوة الاستدلالية نفسها الموثّقة في تحليلات الاستشعار وتتبّع النظر، في سياق تكون فيه المخاطرة درجة سريرية.
وتحتل مقاييس التقرير الذاتي الطرف الآخر. فمقياس التعاطف مع الذكاء الاصطناعي للتفاعل مع الذكاء الاصطناعي التوليدي يعامل التعاطف سمةً بشرية تُعبَّر عنها أثناء استخدام الذكاء الاصطناعي، ويسأل المستجيبين عن استجاباتهم المعرفية والوجدانية والدافعية؛ ولم تُعِد بنيته العاملية الأولية إنتاج الأبعاد الستة المقصودة (Kang et al., 2026). واستبيان السمة وملاحظة السلوك ليسا قابلين للتبادل، ولا يغني أحدهما عن تقديرات المرضى لمدى شعورهم بأن اللقاء كان راعيًا.
هل يستطيع الذكاء الاصطناعي التدرّب على التعاطف؟
نعم، في جزء التدرّب على الأقل. فقد أعطى Müller et al. (2026) 162 طالب طب محادثة واحدة مع GPT-4o موجَّه بالدور في أحد أربعة سيناريوهات — القرار المشترك، والمقابلة التحفيزية، واستشارة بشأن عدوى منقولة جنسيًا، وإبلاغ خبر سيئ — فارتفعت الكفاءة التواصلية المقيَّمة ذاتيًا من 5.89 إلى 6.83 على مقياس من 0 إلى 10 (d = 0.58) بعد وسطي 13 تبادلًا. وقيّم الطلاب تغذية الذكاء الاصطناعي الراجعة بالمفيدة عند 7.92 من 10، لكن كفاية التغذية الراجعة لم تتوقّع المكسب (r = 0.08). ولم تكن هناك مجموعة ضبط.
ويتكرّر النمط: تدرّب قصير منخفض المخاطرة ينتج مكسبًا كبيرًا في الكفاءة الذاتية، والآلية أرجح أن تكون التدرّب لا نقد النموذج. وليس ذلك سببًا لنبذ الأداة. فالمرضى المعياريون مكلفون وشحيحون ومجدولون؛ وروبوت المحادثة ليس شيئًا من ذلك، والطالب الذي تحدّث مرة في محادثة إبلاغ خبر سيئ سيستخدم جلسة مريض معياري استخدامًا مختلفًا. لكنه سبب للتوقف عن تسمية المكسب دليلًا على الكفاءة.
وحيث يكون التعاطف صفة حوارية لا مهارة، تتعلّق الأدلة بالإدراك. فقد أبقى Wang et al. (2026) النموذج والمنصة ودرجة الحرارة ثابتة، وغيّروا فقط الدور والحركات الحوارية في المطالبة، فأنتج ذلك فرقًا كبيرًا في التعاطف المدرَك (21.27 مقابل 18.24، r = 0.53). فالتعاطف، بمعناه الذي يعيشه الطلاب، قابل للكتابة النصية. وهل كتابته نصيًا جيدة تربويًا سؤال منفصل.
مشكلة الاستبدال
يسأل أحدث خط من العمل عمّا يفعله تعاطف الذكاء الاصطناعي بالتعاطف البشري. ففي أربع دراسات ضمّت 249 و494 و743 و737 مشاركًا، وجد Shastry and Gray (2026) أن الناس كلما اعتقدوا أن الذكاء الاصطناعي أقدر على تقديم الدعم العاطفي، قلّ استعدادهم لتقديمه بأنفسهم — أي تفريغ التعاطف — مع ضبط سمة التعاطف والاستخدام السابق للذكاء الاصطناعي. وحين سُمّي مصدر دعم المتلقّي، قال المشاركون إنهم سيحوّلون إلى الذكاء الاصطناعي أقل مما إلى الأصدقاء أو المعالجين، لأنهم قدّروا قدرة الذكاء الاصطناعي التعاطفية تقديرًا أدنى. وعلى مقياس سلوكي، اختار المشاركون أنفسهم الذين قالوا إنهم لن يفرّغوا كلمات تعاطف أقل وكلمات لا مبالاة أكثر.
وبالنسبة للتعليم، لهذا وجهان. فالمنهج الذي يستخدم الذكاء الاصطناعي للتدرّب على التعاطف قد يكون يبني المهارة؛ وثقافة الحرم التي تحوّل الدعم العاطفي إلى روبوتات محادثة قد تكون تُضعف الدافع إلى استخدامها. والأثران متوافقان، ولا شيء في الأدبيات الحالية يقيسهما معًا.
ما يعنيه هذا للممارسة
- افصل الأسئلة الثلاثة. حين يدّعي أحدهم أن الذكاء الاصطناعي يحسّن التعاطف، اسأل هل يعني تدريس البشر، أم قياس البشر، أم محاكاة التعاطف. فالأدلة تختلف في كل حالة.
- لا تقبل الكفاءة الذاتية ناتجًا للتعاطف. الثقة رخيصة وترتفع بعد أي تدرّب تقريبًا؛ والملاحظة والمرضى المعياريون وتقديرات المرضى هي المقاييس التي تهمّ.
- تعامل مع درجات الرؤية الحاسوبية كقارئ ثانٍ. فكشف التلامس الجسدي صالح للتغذية الراجعة التكوينية؛ أما كشف الابتسام والتواصل البصري فليس كذلك، دون سياق السيناريو الذي لا يملكه النموذج.
- خطّط للوقت لا للوسيط وحده. فدراسات المقارنة تخلط بينهما، والطريقة الأرخص التي تستغرق ربع الوقت قد تبقى الخيار الأفضل — لكنها ليست مكافئة.
- راقب التفريغ. إذا صار الذكاء الاصطناعي القناة الافتراضية للدعم العاطفي، فالتعاطف الذي تحاول تدريسه قد يُستَبعَد بهدوء.
المفاهيم الخاطئة الشائعة
- «الذكاء الاصطناعي يستطيع تدريس التعاطف.» يستطيع الذكاء الاصطناعي دعم التدرّب والتأمل؛ لكن أقوى مراجعة تجد أدلة محدودة على التعاطف ناتجًا، وأفضل دراسة تدريب ضبطًا تقيس التقييم الذاتي.
- «التعاطف لغة دافئة.» يمكن إنتاج التعاطف المدرَك بتصميم المطالبة وحده، وذلك دليل على الإدراك لا على الفهم.
- «الابتسامة تعني الدفء.» في لقاء سريري مؤلم، يقرأ الملاحظون الابتسام تنافرًا، ويقرؤه كاشف فعل الوجه تأثرًا إيجابيًا. والسياق هو المتغيّر الغائب.
- «مقاييس التقرير الذاتي تقيس التعاطف.» إنها تقيس سمة أو مفهومًا ذاتيًا؛ ولا تقيس السلوك في لقاء.
- «الأكثر غمرًا أفضل دائمًا.» تُظهر الطرائق الغامرة مكاسب أكبر، لكن بتكلفة ومدة أعلى عدة أضعاف، والمقارنات لا تسوّي التعرّض.
المفاهيم المتصلة
- الدرس الخاص الوجداني
- الحوسبة العاطفية
- التعلّم الاجتماعي-العاطفي
- تعلّم مكان العمل
- المحاكاة
- تعليم المهن الطبية والصحية
- تعليم التمريض
- تحليلات المستشعرات وتتبّع النظرة
- صدق التقييم
- مقاييس التقرير الذاتي
- التعاون بين الإنسان والذكاء الاصطناعي
- تملّق الذكاء الاصطناعي
- الأمان البيداغوجي
- الرفاه
- تعليم الفنون والتصميم والإعلام
المقالات المتصلة
- Teaching Empathy: A Comparative Analysis of Real, Virtual, and AI-Driven Methods — تمثيل الأدوار 13.2%، والواقع الافتراضي 11.6%، وحوار الذكاء الاصطناعي 8.8% على مؤشر IRI، مع خلط زمن التعرّض (Zwoliński et al., 2026)
- Detecting Nursing Students' Empathy in Video-Recorded Simulation Using Computer Vision — كشف التلامس الجسدي اتفق مع الملاحظين؛ وكشف الابتسام جاء سالبًا (Nissan et al., 2026)
- Training Empathetic Communication Skills in Medical Students With a Role-Prompted GPT-4o Chatbot — الكفاءة المقيَّمة ذاتيًا ارتفعت d = 0.58 بعد 13 تبادلًا، دون مجموعة ضبط (Müller et al., 2026)
- Artificial Intelligence for Affective-Domain Development in Healthcare Professions Education: A Systematic Review — 17 دراسة؛ مكاسب الثقة شائعة، وأدلة التعاطف محدودة (Ismail & Zafira, 2026)
- Exploring the Potential of AI in Nurturing Learner Empathy, Pro-Social Values and Environmental Stewardship — EDA والصور التوليدية خطُّ استثارة، مع ادعاء التعاطف لا قياسه (Lim et al., 2024)
- People offload empathy when they think AI can give it instead — الاعتقاد بقدرة الذكاء الاصطناعي التعاطفية تنبّأ باستعداد أقل لتقديم الدعم (Shastry & Gray, 2026)
- AI Empathy as a Human Disposition in Generative AI Interaction: Development and Preliminary Psychometric Evaluation of a Cognitive–Affective–Motivational Scale — مقياس سمة من 42 بندًا لم تطابق بنيته العاملية تصميمه (Kang et al., 2026)
- Invisible Impact of Empathy on Behavioral Change: Isolating the Effect of Empathy in Long-term Physical Activity Coaching Chatbot Interactions — اللغة المتعاطفة رفعت الشعور بالفهم، وتنبّأت بالانخراط لا بتغيّر السلوك (Siyan et al., 2026)
- Comparing teacher-centered and student-centered agents based on prompt engineering: Effects on learning performance, cognitive load, flow experience, and empathy perception in physics learning — الدور والحركات المحدَّدان في المطالبة أنتجا فرقًا كبيرًا في التعاطف المدرَك (Wang et al., 2026)
- Nursing Students' and Faculty Experiences with Artificial Intelligence in Education: A Qualitative Study Using the Technology Acceptance Model — طلاب التمريض وصفوا الذكاء الاصطناعي دعمًا عاطفيًا أثناء الضغط السريري (Akbaba et al., 2026)