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

طلب المساعدة

تاريخ الإنشاء 2026-10-12

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

طلب المساعدة — عملية المتعلّم في إدراك الحاجة إلى عون وطلبه استراتيجيًا، وكيف تجري تلك العملية في بيئات التعلُّم المدعومة بالذكاء الاصطناعي. في الذكاء الاصطناعي في التعليم، يعدّ طلب المساعدة محوريًا في ما إذا كانت أدوات الذكاء الاصطناعي تدعم التعلُّم أو تُضعفه: فإن جودة طلب المساعدة (متى، وكيف، وما يطلبه المتعلّمون) تشكّل النتائج تشكيلًا قويًا، ومدرّبو الذكاء الاصطناعي والتلميحات والوكلاء البيداغوجية مصمّمة بالضبط لإثارة طلب مساعدة منتج لا طلب أجوبة.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)(Warning About AI Fallibility Increases Help-Seeking in an Intelligent Tutoring System)

يمكن للتواصل الاستباقي أن يرفع طلب المساعدة دون أي تغيير في مواد التعلُّم. فقد أجرت تجربة مسجّلة مسبقًا في مقررات بكالوريوس واسعة الانتساب مراسلةَ الطلاب عبر روبوت دردشة أكاديمي ووجدت تبنّيًا أكبر للتدريس الفاحص والتعليم التكميلي؛ ونسب تحليل الوساطة 17.8% من أثر الدرجة إلى ذلك الارتفاع في طلب المساعدة (p = 0.041) (Let's Chat: Leveraging Chatbot Outreach for Improved Course Performance).

أسئلة تستحق النظر

  • حين تتعثّر، هل تميل إلى طلب جواب مباشر أم إلى إرشاد يساعدك على استكناهه بنفسك؟ وما الذي يعتقده كل اختيار يفعله بما تحتفظ به فعلًا؟
  • تُظهر الأبحاث أن الطلاب غالبًا ينوون التعلُّم مع الذكاء الاصطناعي لكنهم يتخذون طلب الجواب بديهيةً — "فجوة نية-سلوك" مرتبطة بأداء أسوأ. فلماذا قد تنهار النيات الحسنة بهذه السهولة إلى طلب الأجوبة؟
  • يمكن "لزر تلميح" دائم أن يحوّل مهمة تعلُّم إلى تمرين نسخ بإشارته إلى أن العون متاح دائمًا. فهل تتذكر وقتًا جعلك فيه توفر العون بسهولة تتجاوز التفكير الذي كنت تحتاج أن تفعله؟
  • وجدت دراسة أن مجرّد تحذير الطلاب من أن الذكاء الاصطناعي قد يخطئ رفع طلب المساعدة فعلًا. فكيف قد يغيّر الشك الصحي مداخلة الطلاب مع مُدرِّس مقابل الثقة العمياء؟
  • الطلاب المتعثّرون هم غالبًا الأقل احتمالًا لطلب المساعدة دون حثّ. فإن كان الطلاب الأكثر حاجة إلى الدعم لا يمدّون أيديهم، فكيف ينبغي أن تستجيب أدوات الذكاء الاصطناعي والمدرّبون؟
  • تقترح الصفحة تأخير التلميحات ونقل سؤال التصميم من "هل" إلى "كيف" يُقدَّم العون. فكيف يبدو تجربة عون مصمّمة جيدًا لمتعلّميك — وما الذي يجعلكم يتبنّونها فعلًا؟

مقدمة

طلب المساعدة بنية راسخة في بحوث التعلُّم، وثيقة الصلة بـالتعلّم موجّه الذات وما وراء المعرفة: فهو يطلب من المتعلّمين أن يراقبوا فهمهم الذاتي، ويدركوا فجوةً، ويقرروا أن العون لازم، ويصوغوا طلبًا فعّالًا. ومع صعود مدرّبي الذكاء الاصطناعي التوليدي، اكتسب طلب المساعدة أهمية جديدة — وأنماط فشل جديدة. فالمتعلّمون غالبًا ينوون استخدام الذكاء الاصطناعي للتعلُّم لكنهم يتخذون طلب الأجوبة المباشرة بديهيةً، وهي فجوة توثّقها الأبحاث الواردة في قاعدة المعارف هذه عبر مجالات وفئات عمرية. ويفترض النموذج الكلاسيكي أن الطلب موجه لمعرفة يفتقر إليها السائل. ويعقّد الطلب على الدعم التشغيلي ذلك الافتراض: فعبر 4,093 استعلامًا، طلب 20.4% على الأقل عن حالة تسليم قيد الانتظار لا عن معرفة، وهي فئة خدمها مساعد مقيَّد بالاسترجاع 1.3% من الوقت فقط Gupta et al. (2026).(Regulating the AI Tutor: Intentions, Help-Seeking, and Self-Regulated Learning in Adolescent GenAI Use)(Beyond Access: Guided LLM Scaffolding for Independent Learning in Undergraduate Statistics)

طلب المساعدة المنتج مقابل غير المنتج

التمييز المركزي في الأدبيات هو بين طلب مساعدة يدعم التعلُّم وطلب مساعدة يتجاوزه.

سلوكيات طلب مساعدة غير منتجة

تحدّد الأبحاث الواردة في قاعدة المعارف هذه أنماطًا ملموسة وقابلة للملاحظة من طلب مساعدة غير منتج، خاصةً في أنظمة التدريس الفاحص الذكية:

  • طلبات تلميحات سابقة لأوانها — طلب العون قبل أي محاولة حل. فحتى الطلاب غير الواثقين يتعلمون أكثر بالمحاولة أولًا.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)
  • قراءة تلميحات سطحية — التقدم عبر التلميحات بسرعة تمنع قراءتها (يُنبَّه عند معيار نحو 4 كلمات/ثانية)، وغالبًا بالقفز مباشرةً إلى تلميح النهاية الكاملة (bottom-out) الذي يكشف الجواب.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)
  • طلب الأجوبة على طلب التعلُّم — مطالعة الذكاء الاصطناعي بإنتاج الجواب لا بالشرح أو الإرشاد. ففي دراسة على 98 طالبًا في الصف التاسع يستخدمون مدرّب GenAI، سيطرت على التفاعلات طلبات أداتية بلا مراقبة أو تقييم يُذكر لتعلّمهم الذاتي — مع أن الطلاب كانوا قد اختاروا دعمًا مسقالدًا (scaffolded) سابقًا. وارتبطت فجوة النية-السلوك هذه بأداء أدنى في الاختبار البعدي وحمل معرفي دخيل أعلى.(Regulating the AI Tutor: Intentions, Help-Seeking, and Self-Regulated Learning in Adolescent GenAI Use)
  • استشارة الذكاء الاصطناعي قبل أي محاولة مستقلة أو مصدر بشري. يقيس Manikonda et al. (2026) هذا الترتيب مباشرةً بوصفه اعتمادًا مبكرًا — استشارة GenAI قبل التفكير المستقل أو البحث التقليدي أو الوصول إلى مدرّس — ويجدانه مرتبطًا بأثر سلبي أكبر (β = .402، p = .004) زكفائدة أكاديمية (β = .301، p < .001) بين 118 طالبًا في مقررات ذات صلة بالذكاء الاصطناعي. وكان الارتباط بالضرر غائبًا عند ثقافة تقييم منخفضة وأقوى ما يكون عند ثقافة تقييم عالية (b = .688 عند +1 SD، p < .001)، فالطلاب الأقدر على الحكم على مخرجات الذكاء الاصطناعي أفادوا بأكبر كلفة من استشارتها أولًا: فاختيار مَن يُسأل أولًا يحمل عيبًا لا تعوّض عنه البراعة في تقييم الجواب. وهو يُظهر أيضًا أن استخدام الذكاء الاصطناعي في تنظيم المشكلات وتقييمها وتفكيكها — معرفيًا لا اعتمادًا مبكرًا — هو النمط المرتبط بالأثر الإيجابي، فنمط فشل طلب المساعدة نمط تسلسل لا نمط سؤال على الإطلاق.
  • السؤال المستمر بلا تعافٍ — السؤال منتج في البداية لا بلا نهاية: فطلبات العون هي أكثر أنواع المآزق تعافيًا عند البدء (47.0%) لكنها تهوي أبعد ما تهوي حين يفشل العون (12.5% عند العمق ستة أو أكثر)، فالإصرار، لا الطلب ذاته، هو الإشارة الجديرة بالتتبع Ahtisham et al. (2026).
  • الطلاب المتعثّرون هم الأقل احتمالًا لطلب المساعدة دون حثّ — جانب الاندماج من طلب المساعدة. ففي تجربة Khanmigo المعشاة على سنتين (Oreopoulos & Low 2026)، حتى مع وصول مجاني ووقت تدريب إلزامي، راسل الطالب المتعثّر الوسيط مدرّب الذكاء الاصطناعي في نحو 17% فقط من جلسات الأخطاء، معظمها بأجوبة مجرّدة أو نقرات — وهو متّسق مع نتيجة اقتصاديات التعليم أن التدخلات المعتمدة على المبادرة تصل إلى أقل عدد من الطلاب الذين ينتفعون أكثر. ويُظهر TWiK (Oreopoulos et al. 2026) أن التبنّي شديد الاستجابة لتقليل الاحتكاك (ارتفع تبنّي الجلسة الأولى 45%→83% بعد تبسيط الانتساب)، لكن الدخول ≠ المشاركة المستمرة (بقي الحضور متقطعًا).

لماذا يؤذي طلب المساعدة غير المنتج التعلُّم

يفسّر منظور الإتاحة (affordance) آلية رئيسة: حين يجعل واجهةٌ العون متاحًا باطراد وبروز (مثلًا "زر تلميح" دائم)، فهو يشير إلى المتعلّمين بأن العون متاح دائمًا، مخلقًا إتاحةً غير مقصودة يمكن أن تطوي المهمة في تمرين نسخ. والوصول السريع إلى تلميحات النهاية الكاملة يتجاوز البناء الفعّال للمخططات المعرفية الذي يتطلبه التعلُّم.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)

جودة طلب المساعدة قابلة للقياس

مؤشران بسيطان وقابلان للتأويل — طلبات التلميحات السابقة لأوانها وقراءة التلميحات السطحية — قابلان للحساب من سجلات التدريس الفاحص المعيارية ومرتبطان باستمرار بانخفاض مكاسب التعلُّم عبر الفصول الدراسية، حتى بعد ضبط المعرفة السابقة. وهذا يجعلهما عمليين للوحات تحليلات التعلّم المعلومات والتدخل في الزمن الحقيقي، بخلاف كواشف "التحايل على النظام" المعقّدة المتعلمة آليًا.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)

تصميم أنظمة الذكاء الاصطناعي لتعزيز طلب المساعدة المنتج

مسقالدة الطريقة التي يسأل بها الطلاب

يُنتج التدريب الصريح على طلب مساعدة موجَّه بالاستنتاج — طلب تلميحات تدريجية وتحقق بدل الأجوبة النهائية — نتائج أفضل من الاعتماد غير النقدي. ففي دراسة شبه تجريبية في إحصاء البكالوريوس، أدى وصول موجَّه إلى نموذج لغوي كبير (مع تدريب على طلب مساعدة موجَّه بالاستنتاج) إلى أداء مستقل أقوى ومعايرة أفضل للتقييم الذاتي من وصول غير مقيَّد إلى نموذج لغوي كبير. والدرس: الوصول إلى نموذج لغوي كبير وحده تدخل ناقص؛ والتحدي التصميمي هو مسقالدة كيف يستخدم الطلاب الذكاء الاصطناعي ليعمل شريكًا في الاستنتاج لا أداة لجلب الأجوبة.(Beyond Access: Guided LLM Scaffolding for Independent Learning in Undergraduate Statistics)

وكلفة التفاعل جزء من السؤال نفسه. يحدّد Rhee et al. (2026) حاجزًا مرجعيًا وحاجزًا تعبيريًا يمنعان متعلّمي القلم من سؤال نموذج لغوي كبير أي شيء على الإطلاق: فإن الإشارة إلى منطقة مخطط أو حد معادلة لا يمكن التعبير عنها في نثر مكتوب، ويقع جهد الصياغة بالضبط حين يكون السؤال أشدّ هشاشةً. ويحلّ نظام Penquiry المرجع بإلصاق علامات الحبر بعناصر المستند، ويوسّع كلمات مفتاحية مقتضبة بالحبر إلى استعلامات كاملة بالإكمال التلقائي؛ ووجدت دراستان تكراريتان من 16 مشاركًا لكلٍّ منها أن العبء المعرفي والجسدي للاستعلام انخفض انخفاضًا معتدًّا به. وأما ما إذا كانت كلفة السؤال الأدنى تُنتج طلب مساعدة أفضل أم أكثر منه فحسب، فذلك متروك مفتوحًا، ويقترح المؤلفون إكمالًا تلقائيًا متكيفًا زمنيًا — تحقق أساسي مبكرًا في الجلسة، ومثيرات أعلى مستوى لاحقًا — كطريق من الاحتكاك المنقوص إلى دعم متلاشٍ بدل عكاز دائم.

ويمكن تقديم المسقالدة داخل المهمة أيضًا لا قبلها. فقد بنى Jin et al. (2026) HelpCoach، إضافةً على واجهات الدردشة تقيّم مدى تخصّص سؤال الطالب للعون وتحثّه على مراجعة حين يكون السؤال غامضًا جدًا، جاعلةً المكوّن المعرفي ونوع السقالة صريحين. ففي دراسة بين-موضوعات مع 40 طالبًا جامعيًا يتعلمون برمجة الويب، كتب مشاركو HelpCoach نسبة أعلى معتدًّا بها من الأسئلة المخصّصة في مسودّاتهم الأولى من خط أساس التدريب قبل المهمة (57.3% مقابل 40.5%) واحتفظوا بمعرفة أكثر معتدًّا بها بعد أسبوع (d = 1.100)، بينما لم يبقَ فرق تخصّص المهمة الثالثة ذا دلالة (43.7% مقابل 32.1%). ويحذّر المؤلفون من أن مكسب الاحتفاظ لا يمكن نسبته بعد إلى ردود روبوت دردشة أكثر استهدافًا.

والرافعة الثالثة على كلفة السؤال هي من أين يأتي العون. فقد بنى Gray and Hobbs (2026) Beacon، مساعد معزَّزًا بالاسترجاع خاصًا بمقرر دراسي ومؤصَّغًا بموادّ معتمدة لوحدة برمجة واحدة، وقوّموه مع 15 طالبًا في الحوسبة وأربعة أكاديميين. قيّم 89% من المشاركين أجوبته أنها متوافقة توافقًا عاليًا مع مواد المقرر وقال 66.7% إنه دعم تعلّمهم بدل أن يحلّ محله، مع أن نحو النصف إلى 60% فقط أفادوا بمكاسب في الفهم أو الثقة. والدافع هو الحاجز الذي توثّقه هذه الفقرة: إذ قال 62.5% من أولئك الطلاب إنهم يتجنبون أحيانًا طلب المساعدة حين يحتاجون إليها وأفاد 75% بقلق حين لا يفهم موضوعًا، فيُقدَّم قناة خاصة ومؤصَّغة بالوحدة بوصفها درجةً أولى قبل الالتجاء إلى مُحاضِر. وأبقى الأكاديميون المجابون الحجة المضادة حيّة — فقد قيّموا أن Beacon حجب الحلول الكاملة وقلقوا من أن الأدوات غير المقيَّدة تدع الطلاب يتجاوزون مرحلة تطور — ولهذا يكسب التصميم مكانته برفضه إتمام العمل.

معايرة الثقة بالشفافية

وجدت تجربة صفّية مع 252 طالبًا أن تحذير الطلاب من قابلية الخطأ في الذكاء الاصطناعي رفع طلب المساعدة في نظام تدريس فاحص للرياضيات. فتحسّن اندماج المتعلّمين بالنظام بالشفافية بشأن أخطاء النظام المحتملة — رابطًا طلب المساعدة بـمعايرة الثقة وخطر الهلوسة.(Warning About AI Fallibility Increases Help-Seeking in an Intelligent Tutoring System)

إعادة التفكير في تقديم التلميحات والسقالة

بدل إزالة العون، توصي الأبحاث بإعادة هندسة كيفية تقديمه:

مشكلة التبنّي في مدرّبي النماذج اللغوية الكبيرة

كثيرًا ما يتجاوز طلاب الواقع روبوت دردشة السقالة خاصًّا — لا بالضرر بالضرورة، لكن غالبًا لوجود اختلال بين التأطير البيداغوجي لروبوت الدردشة وأهداف التعلُّم الذاتية للطالب. ولهذا يجب أن تقيس خطوط تقييم ما إذا كان المُدرِّب يمسالِد فحسب، بل ما إذا كان الطلاب يتبنّون تلك المسقالدة، بدل افتراض أنهم سيفعلون.(Rethinking Scaffolding in LLM Tutors: The Interactional Mismatch Between Benchmarks and Real-World Deployments)

طلب المساعدة والتعلُّم المنظّم ذاتيًا

طلب المساعدة جزء لا يتجزأ من التعلّم موجّه الذات: فطلب المساعدة المنتج يطلب من المتعلّمين أن يراقبوا الفهم، ويحكموا متى يكون العون لازمًا، ويختاروا المصادر الملائمة. وفي سياقات GenAI، يصبح ذلك أشدّ إلزامًا، إذ يجب على الطلاب أن يمارسوا فاعلية المتعلّم على الذكاء الاصطناعي أيضًا وأن يحافظوا على يقظة معرفية لا أن يحيلوا إليه. وتدعم الأبحاث الواردة في قاعدة المعارف هذه الحاجة إلى سقالات تعزّز استخدامًا أكثر وكالية واقدامًا معرفيًا للذكاء الاصطناعي، وتُبرز خطر الاعتماد المفرط والتفريغ المعرفي حين يتردّى طلب المساعدة إلى طلب أجوبة غير مشروط.(Regulating the AI Tutor: Intentions, Help-Seeking, and Self-Regulated Learning in Adolescent GenAI Use)(Beyond Access: Guided LLM Scaffolding for Independent Learning in Undergraduate Statistics)

طلب المساعدة بوساطة نموذج لغوي كبير كعملية من أربع مراحل

يُظهر Viberg et al. (2026) أن طلب مساعدة النموذج اللغوي الكبير، في دراسة العلوم والتقنية والهندسة والرياضيات اليومية، ليس فعلًا واحدًا بل عملية طبقية تابعة للسياق من أربع مراحل: (1) تقرير ما إذا كان العون لازمًا — يجرّب الطلاب المهام مستقلين أولًا للحفاظ على قيمة التعلُّم؛ (2) اختيار مَن يُسأل — ChatGPT كخطوة أولى منخفضة الحاجز، ثم الأقران للتفاوض المفاهيمي، ثم المدرّبون للمسائل المعقّدة أو عالية المخاطر؛ (3) تحديد نوع العون — من التلميحات والشروح إلى مسقالدة حل المشكلات، وترشيح العمل الروتيني، وتوسيع التعلُّم؛ و(4) الحكم على العون المستلَم — ممارسة ثقة انتقائية والتحقق من مخرجات الذكاء الاصطناعي مقابل أعمال المقرر أو مع بشر. وعلى نحو حاسم، فضّل الطلاب طلب مساعدة أداتيًا (تعزيز الفهم) على طلب مساعدة تنفيذيًا (الحصول على الحلول)، وهو تمييز يقترح المؤلفون تكييفه في بنود قياس جديدة للتعلُّم المنظّم ذاتيًا مع النماذج اللغوية الكبيرة.

وفي التأليف المتصل بالكامل، ليس توفر الأداة هو المِعْوَض. فقد لاحظ Reed (2026) أن الطلاب المتعثّرين لم يكونوا أولئك الذين بلا دعم بل أولئك الذين لم يدركوا متى يكون العون لازمًا، ولا أي مورد يناسب المهمة، ولا كيف يحكمون على التغذية الراجعة حين تصلهم — وأن مخرجات الذكاء الاصطناعي التوليدي السلسة يُخطأ فيها بسهولة عونًا موثوقًا. وكان استجابتها أن تجعل طلب المساعدة مهيكلًا لا متاحًا فحسب: نقاط تلامس إلزامية تفكّك مطالب المهمة، وترسم الموارد بتبرير، وتقارن مصادر التغذية الراجعة، وتغلق الحلقة بالتأمل.

جعل السياق السلوكي مرئيًا: TutorTrace

يتصدّى Barron et al. (2026) للسلف السلوكي لطلب المساعدة في تعليم البرمجة بمعونة الذكاء الاصطناعي: فالمدرّبون البشريون يتكيفون مع سلوك المتعلّمين المرئي لا مع طلباتهم الصريحة فحسب، بينما يفتقر مدرّبو الذكاء الاصطناعي إلى ذلك السياق. وTutorTrace مجموعة بيانات وخطٌّ يجعلان السياق السلوكي للمتعلّمين قابلًا للحساب في الزمن الحقيقي من قياسات بعدية منخفضة المستوى لبيئة التطوير المتكاملة (أربعة عمليات نشر، N=480؛ نحو 180 ألف حدث، و13,633 مقطعًا سلوكيًا، و27 مقياسًا)، مشتّقًا تصنيفًا لنشاط المتعلّم قبل أول استعلام ذكاء اصطناعي، وبين استعلامين متتاليين، وعبر الجلسة. وهذا يتيح للأنظمة أن تصنّف ما إذا كان الاستعلام يعكس طلب مساعدة موجَّهًا (مسبوقًا بعمل مستقل) أو طلب مساعدة تابعًا (بلا عمل مستقل) — AUROC=.717 على التنبؤ المحتفظ به للاختبار — وأن تتنبأ بالاستعلامات الوشيكة (AUROC=.726). ووجد تقييم صفّي مبدئي أن المثيرات الواعية بالسلوك خفّضت الفواصل بين الاستعلامات بلا عمل مستقل من 50.0% إلى 20.7%. وهذا يربط قياسات تحليلات التعلّم بالقياس عن بعد بـالتدريس الفاحص التكيفي، مُظهرًا أن السياق السلوكي يمكن تشغيله على نطاق واسع لمسقالدة كيف يطلب الطلاب المساعدة لا مجيبًا أسئلتهم الصريحة فحسب.

انعكاسات على التصميم والبحث

  1. صمّم إتاحات طلب المساعدة بتعمد. فأزرار العون الدائمة والبارزة يمكن أن تمكّن استراتيجيات التجاوز؛ فأخّر الوصول وهيكل التقديم لدعم الكفاح المنتج.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)
  2. مسالِد طلب المساعدة ذاته. درّب المتعلّمين على الطلبات الموجَّة بالاستنتاج (تلميحات تدريجية، تحقق) بدل افتراض أن الوصول يساوي الاستخدام الجيد.(Beyond Access: Guided LLM Scaffolding for Independent Learning in Undergraduate Statistics)
  3. استخدم الشفافية لمعايرة الثقة. فالتحذير من قابلية خطأ الذكاء الاصطناعي يمكن أن يرفع طلب المساعدة الملائم والاندماج.(Warning About AI Fallibility Increases Help-Seeking in an Intelligent Tutoring System)
  4. قِس التبنّي لا المسقالدة فحسب. قيّم ما إذا كان الطلاب ينخرطون فعلًا في التأطير البيداغوجي، لا ما إذا كان المُدرِّب يقدّمه فقط.(Rethinking Scaffolding in LLM Tutors: The Interactional Mismatch Between Benchmarks and Real-World Deployments)
  5. ادعم المراقبة والوكالة. فينبغي لسقالات طلب المساعدة أن تقوّي ما وراء المعرفة والتعلّم موجّه الذات، حائزةً ضد الاعتماد المفرط.

المفاهيم المرتبطة

المقالات المرتبطة

الأسئلة الشائعة المرتبطة

البيانات الوصفية

المستوىHigher Ed, K 12
الجمهور المستهدفLearners
التعلم والتعليمطلب المساعدة, ما وراء المعرفة, السقالة, التعلّم موجّه الذات
التقنيات والأساليبالذكاء الاصطناعي التوليدي, التدريس الذكي, النماذج اللغوية الكبيرة (LLMs)
أساسيات الذكاء الاصطناعي في التعليمثقافة الذكاء الاصطناعي
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.