تعليم تقنية المعلومات

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

تعليم تقنية المعلومات — فرع تعليم الحوسبة الذي يُعدّ الممارسين لاختيار الأنظمة التقنية الاجتماعية التي تُشغّلها المنظمات فعلًا ونشرها وتأمينها وإدارتها وحكمتها، بدل دراسة الحوسبة كتخصص قائم بذاته. وأقرب جار له، ومصدر أكثر التباس الحدود، هو تعليم الحاسوب: فتعليم علوم الحاسوب يتركّز على الخوارزميات والبرمجة والأساسات الشكلية، بينما يتركّز تعليم تقنية المعلومات على التهيئة التطبيقية والأمن السيبراني وإدارة البيانات والمعلومات وحوكمة الذكاء الاصطناعي تلك الأنظمة تنظيميًا. ويبلغ الذكاء الاصطناعي التوليدي الميدان مرّتين — كموضوع ينبغي على الطلاب تعلّم تقويمه وتأمينه وتنظيمه، وكأداة تُدرّسهم وتُصنّف أسئلتهم وتُعيد كتابة مسارات المهنية التي يُعدّون لها في هدوء.

أسئلة للتفكير

إذا ضغط الذكاء الاصطناعي دورات البناء–الفشل–التنقيح التي أنتجت تاريخيًا خبرة تقنية المعلومات، فأيّ الكفاءات التأسيسية ينبغي أن يحميها منهجٌ ما عن قصد، وأيّها يمكن تفويضه إلى الأداة؟
يعرف الطلاب قواعد مؤسستهم ومع ذلك لا يقدرون على قول ما إذا كان استخدامهم ذاته مطابقًا. أفشلُ تواصل ذلك، أم أن أداةً قائمة على القواعد هي الرافعة الخطأ لممارسة تحدث خصوصيًا على حسابات شخصية؟
يجلس تعليم تقنية المعلومات بين علوم الحاسوب والأعمال والتعليم المهني. فمن ينبغي أن يملك كفاءة حوكمة الذكاء الاصطناعي — مقرر، أم خيط في المنهج، أم ناتج على مستوى البرنامج؟
إذا كان مُصنِّف مُحوِّلات يفصل أسئلة المتعلّمين ذات الترتيب الأعلى بدقّة نحو 79%، فهل ينبغي لبرامج تقنية المعلومات أن تؤتمت التغذية الراجعة التكوينية على الاستقصاء أصلًا؟
أغلب النماذج الذهنية للطلاب عن الذكاء الاصطناعي التوليدي تعريفية وسطحية. فهل ذلك يتنبّأ بـسوء الاستخدام، أم بمجرّد عجز عن شرح قرارات يتخذها الطلاب صحيحةً في الحقيقة؟

مقدّمة

تعليم تقنية المعلومات هو الجناح التطبيقي للحوسبة. فهو يُدرّب الناس على جعل الأنظمة تعمل داخل المنظمات — الشبكات، وقواعد البيانات، وعمليات الأمن، وإدارة المعلومات الصحية، وخدمات الحكومة الإلكترونية — وخريجوه يُقيَّمون في العادة من هيئات مهنية وأرباب عمل لا من الأكاديميا وحدها. والتميّز بالنسبة لـتعليم الحاسوب هو وحدة التحليل. فتعليم علوم الحاسوب يتخذ البرنامج والخوارزمية موضوعَيه؛ أما تعليم تقنية المعلومات فيتخذ النظام المنشور وحكم الممارس عليه. وحيث يناقش تعليم علوم الحاسوب ما إذا كان توليد الشيفرة بالذكاء الاصطناعي يُتلف مهارة البرمجة، يناقش تعليم تقنية المعلومات ما إذا كان استكشاف الأخطاء بالذكاء الاصطناعي يُتلف مهارة التشخيص، وما إذا كانت وثائق السياسة المُصوَّغة بالذكاء الاصطناعي تُلزم أحدًا، وما إذا كان الخريجون يقدرون على حكم أنظمة البيانات التي يديرونها.

وتتجاوز التخصصات المجاورة بطرق مختلفة. فـتعليم STEM هو الفئة الأمّ ويشارك أدواتها، لكن تعليم تقنية المعلومات هو في الغالب ماجستير مهني أو درجة جامعية تطبيقية يدخل خريجوها أماكن عمل منظّمة. وتعليم الأعمال مجاور عبر أنظمة المعلومات وبرامج الحكومة الإلكترونية، التي كثيرًا ما تشارك مقررات وطلابًا مع مناهج تقنية المعلومات. والتعليم والتدريب المهني هو الجار المهني الآخر: فكلا المجالين يُدرّبان على الممارسة، لكن البرامج المهنية تستهدف كفاءة مستوى الفنّيين في حِرَف محدّدة، بينما يفترض تعليم تقنية المعلومات استدلالًا أنظمة مجرّدًا ويُنتج الناس الذين يكتبون وثائق الحوكمة فضلًا عن اتّباعها. أما التعليم العالي فيُسمّي المرحلة لا المجال، ويحمل المجال سطح اعتماد وامتثال — اعتماد المعلومات الصحية، والتزامات HIPAA وFERPA بالنسبة للبيانات التي يتعامل معها الطلاب — يُشكّل ما يُحتسب منهجًا مشروعًا.

والمميّز في الذكاء الاصطناعي في هذا المجال هو أن التقنية ذاتها هي محتوى المنهج وأصول التدريس معًا. وتتقارب الأدلة المجمَّعة على موضوع واحد غير مريح: فأجندة تقنية المعلومات الحالية بشأن الذكاء الاصطناعي تهيمن عليها النزاهة الأكاديمية وتبنّي الأدوات، بينما تظهر كفاءات الحوكمة والأمن وأخلاقيات البيانات التي تقتضيها أماكن عمل الميدان ذاتها في الأغلب خارج الوثائق التي يتلقّاها الطلاب فعلًا.

كيف يظهر الذكاء الاصطناعي في تعليم تقنية المعلومات

تدريب الأمن السيبراني المُلعَّب. بنى Li وزملاؤه عدة ألعاب قصيرة صديقة للهواتف المحمولة تمتدّ من أمن كلمات المرور إلى التعرّف على رسائل النصّ والمكالمات الاحتيالية، مُزاوجين تصاميم قائمة على الاختبارات وقائمة على السرد والمحاكاة مع صيغ تفاعلية مثل TikTok Mini-Games، بدافع الانخراط المنخفض والفعالية المحدودة لتدريب الفيديو التقليدي (Security Education in Higher Education through AI-Powered Gamification). ويُبلّغ تقويمهم ذو الطبقتين مع 59 طالبًا جامعيًا (9 خبراء تقنيين، و50 مستخدمًا عامًا) عن إمكانية تحسين الانخراط والانتباه إلى الأمن السيبراني لا عن مكاسب تعلّم مُثبَتة.
الذكاء الاصطناعي التوليدي كسقالة أو كاختصار في التعلّم المنظَّم ذاتيًا. تميّز دراسة المناهج المختلطة على 267 طالب دراسات عليا في تقنية المعلومات في أستراليا بين التفريغ المعرفي المسنود (يُوضّح المتعلّمون الأهداف، ويولّدون الأفكار، ويحصلون على التغذية الراجعة ينقدونها ويكيّفونها بعدها، فتبقى فاعلية المتعلّم معهم) والتفريغ البديلي (تُقبل المخرجات بتحقّق ضئيل، وينتقل التحكّم إلى الأداة) (Scaffold or Shortcut? Postgraduate IT Students' Use of Generative AI and Self-Regulated Learning). وشكّلت الثقة التوجّه: فمارس الطلاب الواثقون استقلاليةً في وضع الأهداف والمراقبة، بينما قرأ الأقران الأقل ثقةً الذكاء الاصطناعي التوليدي كاختصار أو كـسوء سلوك. وكانت الفوج مُفَرَّقةً لا ذات ثقافة ذكاء اصطناعي متجانسة؛ ويوصي المؤلفون بمطالبة الطلاب بتبرير مخرجات الذكاء الاصطناعي أو تكييفها كخطوة تصميم التعلّم صريحة.
مسارات الخبرة المضغوطة في الممارسة المهنية. وجدت أربعة عشر مقابلة شبه مهيكلة مع متخصصي تقنية معلومات أن الذكاء الاصطناعي التوليدي يعمل كمدرّب شبيه بالمرشد وكمُقصِّر للسُلّم في استكشاف الأخطاء وكتابة السكربتات والتحقّق من الأنظمة (Unanticipated Effects of Generative AI on Expertise Pathways and Performance Perception in System Administration). ويُقلّل الأداء المسرَّع في المجالات غير المألوفة التعرّض لدورات البناء–الفشل–التنقيح التي بنت الخبرة تاريخيًا؛ كما يُعيد ضبط السرعة المدعومة بالذكاء الاصطناعي توقّعات الفريق والنفس، مُنتجةً ثقافة ذات سرعتين وشعورًا بالذنب إزاء الإنتاجية. وتحمل الدراسة مخاوف الصفّ الدراسي بشأن الكلفة ما وراء المعرفية وتدهور المهارات إلى تعلّم مكان العمل وتعلّم مكان العمل.

التقويم وجانب المتعلّم في استخدام الذكاء الاصطناعي في تقنية المعلومات

أسئلة المتعلّم كإشارات تشخيصية. صنّف Lee وAtif وKang 434 استعلامًا حقيقيًا من طلاب من 12 مقررًا في تقنية المعلومات إلى ثلاثة أدوار تعليمية بنائية — ناقل معرفة، وميسّر، ومتعلّم مشارك — مُبلغغين تصنيفًا بتوافق الآراء عبر مراجعة بمشاركة الإنسان في الحلقة (كابا Fleiss 0.60 ترتفع إلى 0.83) ومُضخِّمين المتن إلى 582 سؤالًا متوازنًا (Analysing AI utilisation in education through learner question types: A constructivist approach). وتصدّر DeBERTa بدقّة 86.36% ودقّة إيجابية 96.67% على الأسئلة الوقائعية، لكن دقّة الإيجابية للميسّر انخفضت إلى 78.79%، وبلغ BERT المُدقَّق استرجاعًا 92.00% على عناصر المتعلّم المشارك بدقّة إيجابية 74.19% فقط. وجاءت الأخطاء من التشابه المفاهيمي بين الأدوار، ونية المتعلّم الغامضة، وصياغة المجال الدراسي التي فُسّرت خطأً كعمق معرفي؛ ويحذّر المؤلفون من أن التضخيم قد يكون أدخل اختصارات معجمية، وأن المتن المؤلّف من 11 طالبًا والخاص بتقنية المعلومات وحده لا يستطيع التعميم بعد إلى مجالات أخرى.
نماذج ذهنية واسعة لكن سطحية. ومن 64 خريطة مفاهيم قابلة للاستخدام رُسمت من 86 طالبًا جامعيًا في مقرر إلزامي في أخلاقيات التقنية، تبلورت خمس فئات للنماذج الذهنية: قائمة على العملية التقنية، وقائمة على الأداة التعليمية، وانتقالية، وواعية بالعواقب، ومدمجة (Uncovering Students' Mental Models of Generative Artificial Intelligence). وأظهرت كل خريطة معرفةً تعريفية، وأظهرت 25 معرفةً إجرائية، و17 معرفةً شرطية، و9 فقط أدمجت الثلاثة كلها. وجلست عنقودا التقنية والتنظيم الاجتماعي متباعدين بُعدًا كبيرًا، وهو ما يقرأه المؤلفون كتطوّر ثقافة الذكاء الاصطناعي والوعي الأخلاقي منفصلين؛ فالإرشادات المركّزة على النزاهة، بحسب ما يجادلون، تعالج بعدًا واحدًا فقط من كيفية تصوّر الطلاب للأداة.
قواعد معروفة، امتثال غير مؤكَّد. وجد مسح على 151 طالبًا جامعيًا في برامج أنظمة معلومات الأعمال والحكومة الإلكترونية أن أغلب الطلاب يستخدمون الذكاء الاصطناعي التوليدي استعمالًا فعّالًا لكن أكثر من نصفهم غير متأكّدين مما إذا كان استخدامهم مطابقًا للتنظيم المؤسسي، مع ارتباطات ضعيفة إلى متوسطة بين الوعي التنظيمي والسلوك الفعلي، واعتماد في الأغلب على أدوات يُنال إليها خصوصيًا لا على أدوات مؤسسية (Knowing the Rules Is Not Enough: Student Regulatory Awareness and Use of GenAI in Higher Education). فمعرفة القواعد لم تتنبّأ تنبؤًا قويًا بما فعله الطلاب.

السياسة المؤسسية وفجوة الحوكمة

إرشاد، لا سياسة. وجد مسح بيئي لكل برامج الماجستير الـ48 المعتمدة في المعلومات الصحية وإدارة المعلومات الصحية أن 40 (83%) منها لها وثيقة ذكاء اصطناعي واحدة على الأقل متاحة للعامة، لكن المصنوع الغالبي كان إرشادًا استشاريًا (21، 53%) لا سياسةً رسمية (7، 18%) (Institutional approaches to artificial intelligence policy and guidance in health informatics and information management education: emerging trends and inconsistencies). وسادت النزاهة الأكاديمية على المفردات (n = 139)، قبل نسبة الاقتباس (n = 59) والتقويم (n = 50)، بينما كانت HIPAA (n = 5)، وFERPA (n = 11)، والوصول المنصف (n = 2)، ومتطلبات الإفصاح (n = 1) شبه غائبة، ولم تُذكر السجلات الصحية الإلكترونية مطلقًا. وأنتج تخصيص ديريشليه الكامن أربعة موضوعات حول النزاهة الأكاديمية، واستخدام الطلاب للذكاء الاصطناعي التوليدي، وأدوات بحث الجامعة، والانخراط مع ChatGPT. ولأنه لم يُحلَّل إلا الوثائق العامة، يعامل المؤلفون غياب لغة الخصوصية والإنصاف كنتيجة بشأن الإرشاد المنشور لا بشأن الممارسة المؤسسية.
النقطة العمياء في الإنصاف. تظهر الشمول (n = 9)، وإمكانية الوصول (n = 9)، والتيسيرات (n = 4)، والوصول المنصف (n = 2) بمعدّلات لا تستطيع دعم أي دعوى بأن الإنصاف قد عُولج، رغم أن عدة برامج تقتضي استخدام الذكاء الاصطناعي في أعمال المقرر. ومع المعالجة الرقيقة لكفاءة حوكمة الذكاء الاصطناعي المهنية، هذه هي أوضح مهمة تصميم يتركها الحزمة مفتوحة: ربط قواعد النزاهة الأكاديمية بأحكام الوصول والخصوصية وحوكمة البيانات التي سيكون خريجوها مسؤولين عن تنفيذها.

المفاهيم المتصلة

المقالات المتصلة

البيانات الوصفية

التخصص	Information Technology, Cs Education
المستوى	Higher Ed, Adult Learning
الجمهور المستهدف	Administrators, Curriculum Designers, Instructional Designers, Instructors, Learners, Policymakers
التعلم والتعليم	تعلّم مكان العمل
المؤسسات والسياسات	حوكمة الذكاء الاصطناعي
الإنصاف والأخلاق والاستخدام المسؤول	الإنصاف
أساسيات الذكاء الاصطناعي في التعليم	النزاهة الأكاديمية, ثقافة الذكاء الاصطناعي, التفريغ المعرفي

Source History Edit Chat