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

تعلّم اللغات

تاريخ الإنشاء 2026-10-12

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

تعلّم اللغات — دراسة كيف يدعم الذكاء الاصطناعي اكتساب اللغة الثانية (L2)، وتطوير الكتابة، والتنوّع اللغوي في الأوساط التعليمية. ويمتدّ الذكاء الاصطناعي في التعليم وبحوثه في قاعدة المعارف هذه على وسطاء ذكاء اصطناعي للحوار المنطوق، وتقويم الكتابة الآلي لمتعلّمي L2، ودعم القراءة، ومخاوف تحيّز اللغة في أنظمة تقييم الذكاء الاصطناعي.

أسئلة للتفكير

  • اللغة تفاعلية بطبيعتها، وهو ما يجعلها مناسبة لـالذكاء الاصطناعي الحواري — لكن قدرات الذكاء الاصطناعي اللغوية تُثير أيضًا مخاطر تحيّز ضد الأنماط غير الأصلية. فأين رأيتَ هذا التوتر بين الفرصة والمخاطرة يظهر؟
  • وجدت دراسة واحدة أن تقييم الذكاء الاصطناعي يُقدّر الطلاب الأضعف لغويًا بأقل من قيمتهم بشكل منهجي، بينما اقترحت أخرى مقارنة الطلاب بأعمالهم السابقة بدل معايير المتحدثين الأصليين. فكيف تُغيّر «النقطة المرجعية» للتقييم كون تغذية الذكاء الاصطناعي الراجعة تنفع متعلّمًا أو تُعاقبه؟
  • تستطيع وسطاء الذكاء الاصطناعي توسيع الممارسة التواصلية على نطاق واسع، لكن الصفحة تحذّر من أنه ينبغي أن تُقارَن بالتفاعل البشري حتى تنتقل الطلاقة إلى الحديث الحقيقي. فما الذي قد تكسبه من التدرب مع ذكاء اصطناعي لا يستطيع شريك بشري إعطاءك إياه — وما الذي تخسره؟
  • أظهر أن دعم المعلّم — لا أداة الذكاء الاصطناعي وحدها — هو ما يحرّك الانخراط في تعلّم اللغات المدعوم بالذكاء الاصطناعي عبر أهداف إنجاز الطلاب. فكيف يشكّل السياق الاجتماعي والسياق التربوي مدى استمرار انخراط المتعلّمين بأداة ممارسة قائمة على الذكاء الاصطناعي؟
  • وجد تحليل بَعْدي مكاسب صغيرة إلى معتدلة مرتبطة بالمرحلة من التقنيات الناشئة، مع مكاسب أكبر للمهارات الإنتاجية (التحدث والكتابة) من الاستقبالية. فلماذا قد تستفيد التحدث والكتابة أكثر من الاستماع والقراءة من أدوات الذكاء الاصطناعي؟
  • إذا كان الذكاء الاصطناعي يُقدّم الإنجليزية القياسية ويستطيع معاقبة الأنماط اللغوية غير الأصلية أو المتنوعة، فكيف ينبغي لمعلّمي اللغات أن يصمّموا التقويم والتغذية الراجعة حتى يدعم الذكاء الاصطناعي التنوّع اللغوي بدل محوه؟

مقدّمة

برز تعلّم اللغات مجالًا مهمًا للذكاء الاصطناعي في التعليم لأن اللغة تفاعلية بطبيعتها — مما يجعلها مناسبة للذكاء الاصطناعي الحواري — ولأن قدرات الذكاء الاصطناعي اللغوية تُثير فرصًا (الممارسة اللغوية المخصّصة على نطاق واسع) ومخاطر (تحيّز منهجي ضد الأنماط اللغوية غير الأصلية) معًا. والمقالات في قاعدة المعارف هذه تستكشف جانبي هذه المعادلة. وحيث تكون اللغة الهدف هي الإنجليزية تحديدًا — وخاصة الإنجليزية للأغراض الأكاديمية (EAP) وتعليم الإنجليزية EFL/ESL/L2 — انظر صفحة مفهوم التعليم بالإنجليزية المخصّصة، التي تميّز البحث الخاص بالإنجليزية عن اكتساب L2 العام والكتابة العامة.

الذكاء الاصطناعي كمدرّس لغة ووسيط هو أكثر موضوعات تطوّرًا. فيفحص ما يتغيّر عندما يكون الوسط ذكاءً اصطناعيًا؟ طلاقة التفاعل والاستيعاب اللغوي عندما يحاور متعلّمو L2 الذكاء الاصطناعي مقابل البشر. ويُقدّم TACT تدريسًا خصوصيًا تربويًا تكيّفيًا للإنجليزية كلغة ثانية. ويستكشف Children's English Reading Story Generation via Supervised Fine-Tuning of Compact LLMs with Controllable Difficulty and Safety القصص المولَّدة بالذكاء الاصطناعي لتطوير قراءة الأطفال. وهذه تتصل بـالتدريس الخصوصي الذكي والذكاء الاصطناعي التوليدي. وصمّم Yang, Weng and Yang (2026) وكيلين قائمين على نموذجين لغويين كبيرين — معلّم إنجليزية تقليدي بالذكاء الاصطناعي وآخر يستخدم إطار 5E (انخراط، واستكشاف، وشرح، وإطناب، وتقييم) لتعلّم القواعد القائم على الاستقصاء. ومن بين 37 طالبًا في الإنجليزية كلغة ثانية في مقارنة عشوائية، استجاب الطلاب عاليو الأداء إيجابًا لمعلّم الذكاء الاصطناعي بينما أظهر الطلاب ذوو الأداء المنخفض مواقف مختلطة، واختلفت الشروط في الدافعية الداخلية والتغيّر المعرفي والأداء — مما يشير إلى أن تصميم وكيل النموذج اللغوي الكبير ينبغي أن يُطابق كفاءة المتعلّم.

وفي المدرّسين المتجسديين فيزيائيًا، وجد تحليل بَعْدي لـ11 دراسة RALL (N = 595) أثرًا مجمَّعًا كبيرًا على تعلّم L2 (g = 0.83) بتغاير عالٍ، ولم يُعدّله إلا صيغة التفاعل — فقد تفوّقت الصيغ الجماعية على الفردية بينما لم تُعدّل مورفولوجيا الروبوت ولا الوسيط ولا الاستقلالية ولا الدور الاجتماعي (Wang, Zhang & Zou (2026)).

الذكاء الاصطناعي في تقويم اللغة يبرز مع دعم النماذج اللغوية الكبيرة لـتوليد البنود والتقييم. فقارن Aryadoust and Wong (2026) هندسة المطالبات بالضبط الدقيق للتوليد الآلي للبنود في تقويم استماع L2: فالتحسين التكراري للمطالبة حسّن جودة البند لكنه بلغ هضبة، بينما أثمر الضبط الدقيق لـGPT-4.1 على المطالبة المحسَّنة (مع تثبيت تصميم المطالبة) مكاسب إضافية — وهو نموذج لمتى ينبغي لمطوّري التقييم أن يستثمروا في تكييف النموذج على تكرار المطالبة.

ووجد مقارنة 52 مهمة تقويم EFL قيّمها 20 معلّمًا ذا خبرة أنه لا فرق جودة دال إجمالًا بين البنود المولَّدة بالذكاء الاصطناعي والمطوّرة بشريًا، لكن هناك تقسيمًا واضحًا للعمل: فالقواعد والمفردات فضّل فيها الذكاء الاصطناعي (69%) والتطوير البشري للقراءة والكتابة والاستماع والتحدث (75–83%) (Nourashrafi, Alavinia and Darvishi (2026)).

تقويم الكتابة الآلي لمتعلّمي L2 يُقوّم قدرة الذكاء الاصطناعي على تقييم كتابة غير الأصلية. فاقترح Bannò et al. مقاربة ذاتية المرجع تقارن كتابة الطالب بأعماله السابقة بدل معايير المتحدثين الأصليين. ووجد Feser & Tschisgale أن تقييم الذكاء الاصطناعي يُقدّر الطلاب الأضعف لغويًا بأقل من قيمتهم بشكل منهجي — وهي نتيجة تتصل بـصدق التقييم وبمخاوف تخفيف التحيّز. ويستكشف Generative AI and linguistic diversity in academic writing and publishing: Perspectives from World Englishes كيف يؤثر الذكاء الاصطناعي في التنوّع اللغوي في السياقات الأكاديمية. ويمضي نظام على مستوى الخطاب أبعد من ذلك بتسمية العيب بدل تقييم النص: فصنّف علاقات أزواج الجمل حدّ كسور الترابط — قفزات منطقية، وواصلات مفقودة، وإشارة ملتبسة — وتراوح تبنّي المعلّمين المُقيَّم للتغذية الراجعة المولَّدة منه بين 71.2% و88.4% (Wang et al., 2026).

إمكانية الوصول لمتعلّمي اللغات تتصل بـالتعلّم الشامل: فحلّل DysLexLens كيف يستخدم المتعلّمون ذوو عسر القراءة الذكاء الاصطناعي لدعم الثقافة، واستكشف AI tools in Arab University English classrooms: Looking back and forward أدوات الذكاء الاصطناعي في سياقات الصفوف العربية-الإنجليزية. وهذه الدراسات تربط تعلّم اللغات بـالإنصاف في تعليم الذكاء الاصطناعي والتعليم الخاص.

الآليات الدافعية في تعلّم اللغات المدعوم بالذكاء الاصطناعي تفحص لماذا ينخرط المتعلّمون مع الذكاء الاصطناعي في ممارسة اللغة. فاستخدم Wang & Wang (2026) نظرية تحديد الأهداف مع 758 متعلّمًا جامعيًا صينيًا في الإنجليزية ليُظهرا أن دعم المعلّم يعزّز الانخراط في التعلّم المدعوم بالذكاء الاصطناعي عبر أهداف التمكّن والأداء لدى الطلاب (لا أهداف التجنّب) — وهو دليل على أن السياق التربوي والاجتماعي، لا أداة الذكاء الاصطناعي وحدها، هو ما يُحدّد بقاء المتعلّمين منخرطين في الممارسة اللغوية المدعومة بالذكاء الاصطناعي. وهذا يربط تعلّم اللغات بـالدافعية ومشاركة الطلاب.

ويُضيف Annamalai et al. (2026) حالة تحديد ذاتي نوعية: ففي مقابلات مع 25 طالبًا جامعيًا ماليزيًا، دعم ChatGPT الكفاءة والاستقلالية، وأنتجت استجابته الحوارية شعورًا بأنه يُسمَع — أي «بيئة دافعية بوساطة الذكاء الاصطناعي» تُلبّى فيها الصلة جزئيًا بالأداة، وإن طالبت المراجع غير الدقيقة بالتحقق والمكمّل البشري.

وفي مدرّس بناه المدرّب، كانت جودة التصميم لا تكرار الاستخدام هي ما حمل الأثر الدافعي: فعبر 74 طالبًا جامعيًا يستخدمون نموذج GPT يابانيًا خاصًا بالمساق، لم يُظهر تكرار الاستخدام خارج الصف ارتباطًا دالًا بالاستقلالية ولا بالكفاءة ولا بالصلة، بينما قيّم المتعلّمون المدرّس تقييمًا عاليًا في التعلّم الموجَّه ذاتيًا (M = 4.39) واستشهدوا بالأمانة الانفعالية (60.8%) (Lee & Kwon, 2026).

الكتابة المدعومة بالذكاء الاصطناعي التوليدي في المرحلة الابتدائية. أدار Lu et al. (2026) برنامج كتابة رأي مدته تسعة أسابيع مع 301 متعلّمًا في الصفين الخامس والسادس في شرق الصين، مع تعيين ثمانية صفوف كاملة عشوائيًا للبرنامج أو للتعليم التقليدي. ورفع البرنامج ذات كتابة L2 المثالية لدى المتعلّمين (فرق المتوسط المعدّل 0.20) والطَفْو الأكاديمي (0.17)، ورفع الانخراط السلوكي والانفعالي، لكنه لم يُحرّك عقلية النمو ولا الانخراط المعرفي أو المعرفي فيما وراء المعرفة، ولا تنظيم المقال المُقيَّم بمُخطّط سُلّمي — ومن أبعاد الكتابة تحسّن استخدام اللغة وحده. وهناك خاصيتان في التصميم تهمّان معلّمي اللغات: فقد كُوّنت المطالبة صراحةً، عبر مصرف مقسَّم من المطالبات مرتبط بأهداف كتابية محددة، واستُخدمت تغذية الذكاء الاصطناعي التوليدي الراجعة إلى جانب المقارنة بتغذية المعلّم الراجعة والتنقيح المتكرر. واستندت مكاسب التأليف التي أبلغ عنها المتعلّمون إلى تلك البنية التعليمية لا إلى الأداة بذاتها، ويسمّي المؤلفون المراقبة الذاتية المنقوصة والاستراتيجيات الموجَّة للاختصار كمخاطر قائمة.

الآثار المترتبة على معلّمي اللغات

  • تُثمر التقنيات الناشئة مكاسب صغيرة إلى معتدلة مرتبطة بالمرحلة. يجد تحليل بَعْدي لـ33 دراسة TEFL (N = 3,181) أثرًا إجماليًا لـHedges' g = 0.38 يرتفع مع المستوى التعليمي (ابتدائي 0.29، وثانوي 0.35، وجامعي 0.44)، مع إثمار VR/AR أكبر الآثار ومكاسب أكبر للمهارات الإنتاجية (التحدث والكتابة) من الاستقبالية — بما يسند استخدام التقنيات الناشئة، وخاصة على المستوى الجامعي، مع إبقاء التوقّعات واقعية.

  • تُرسم مراجعة منهجية مواقع ضعف تعليم اللغة بالذكاء الاصطناعي في المرحلة الابتدائية. عبر 31 دراسة (2013-2025)، تجمّع العمل في صفوف اللغة الابتدائية على التحدث والثقافة والمفردات بينما كانت القواعد واستيعاب الاستماع ولغة الإشارة بالكاد مدروسة، وافتقرت معظم التصاميم إلى تخصيص بحسب الصف الدراسي (Hamasha et al., 2026).

  • استخدم الذكاء الاصطناعي لتوسيع الممارسة التواصلية لا لاستبدالها. تُوسّع وسطاء الذكاء الاصطناعي ومدرّسو ESL التكيّفيون الممارسة التفاعلية على نطاق واسع — فاقرِنها بالتفاعل البشري حتى تنتقل الطلاقة والاستيعاب إلى الحديث الحقيقي.

  • راقب مخرَج الذكاء الاصطناعي للخطأ العملي لا النحوي فحسب. سُمّى معلّمون عبر خمس مناهج لتعليم اللغة عبر الإنترنت العمى العملي، حيث يكون مخرَج الذكاء الاصطناعي صحيحًا نحويًا لكن خاطئًا في النبرة أو الرسمية أو الثقافة (Baoyi and Khan (2026)).

  • أعطِ الأولوية لجودة التغذية الراجعة على كمّها في التحدث المدعوم بـASR. يجد Chen et al. (2026) أن تصحيح الأخطاء الدقيق ومهام التأمل المنظَّمة تحسّن استيعاب التغذية الراجعة والسلوك التأملي في التحدث الإنجليزي الجامعي، بينما يعزّز استخدام ASR المتكرر ودقة التعرّف الدافعية أو التأمل جزئيًا فقط — فالدقة التقنية وحدها لا تحرّك انخراطًا معرفيًا أعمق، وتُعدّل الكفاءة اللغوية المكاسب (فالمتعلّمون الأقوى يستوعبون التغذية الراجعة بفعالية أكبر). وهذا يُحاجّ بتغذية راجعة سليمة تربويًا (مثلًا، تفسيرات نُطقية فوق أعلام الأخطاء البسيطة)، وتأمل مسنَد، ودعم مُفروق بحسب الكفاءة.

  • أعطِ دلائل قبل التصحيحات. خفّضت مهمة ChatGPT «الدليل قبل التصحيح»، التي يستنتج فيها المتعلّمون الإصلاحات من تلميحات موجَّهة بدل تلقي تصحيحات مباشرة، الحمل المعرفي وأسندت التنقيح المخصّص — لكن النفع بقِي في الأساس للمتعلّمين الذين كانت لديهم معرفة مسبقة كافية (58 طالبًا، CEFR A1–B1) (Lukešová & Jennings (2026)).

  • قدّم تغذية راجعة في النطق تُقرّب موضع الاختلاف. يتعلّم Profy الكفاءة من كلام غير مُعلَّم إلى حدّ كبير ويُظهر أين يبتعد متعلّم عن توزيعات المتحدثين الأصليين؛ ولم تتداخل فترات ثقة الفهم قبل/بعد، بخلاف خط أساس التقليد المُستدعى — وهو دليل على أن ممارسة التقليد قابلة للإسناد دون خبيرين مُقيِّمين (Kawamura (2026)).

  • اسند تكيّف المتعلّمين النفسي مع الدراسة المدعومة بالذكاء الاصطناعي. يتتبّع Wu (2026) متعلّمي اليابانية على مدى فصل دراسي فيجد أنهم يفرزون إلى ملفات تكيّف غير تكيّفية، ومعتدلة، وإيجابية محرَّكة بتوازن إجهاد التقنية والمرونة، مع تحوّل معظم المتعلّمين تدريجيًا نحو التكيّف الإيجابي وإبلاغهم عن كفاءة ذاتية أعلى واحتراق أقل — وهي إشارة إلى تصميم ممارسة لغوية بوساطة الذكاء الاصطناعي تُدير الجهد التقني لا مجرد الوصول إلى الأداة.

  • كُن منتبهًا لتحيّز التقييم والتغذية الراجعة ضد المتعلّمين. يستطيع تقييم الذكاء الاصطناعي معاقبة الأنماط غير الأصلية؛ وأبحاث التنوّع اللغوي تحذّر من أن الذكاء الاصطناعي يُقدّم الإنجليزية القياسية — فاستخدم تقويمًا ذاتي المرجع أو مُعدَّلًا بشريًا.

  • اسند الطيف الكامل من المتعلّمين. تُظهر دراسات عسر القراءة وإمكانية الوصول والتصميم المستجيب ثقافيًا (السياقات العربية-الإنجليزية) أن الذكاء الاصطناعي ينبغي أن يُكيَّف مع احتياجات المتعلّمين المتنوعة، لا أن يُفترض فيه العمومية.

  • البنية التحتية، لا التقييم وحده، هي التي تُقصي اللغات. يحتل البنغالي أقل من 0.5% من محتوى الويب العالمي مقابل عجز في رموز التدريب الإنجليزي إلى البنغالي بنسبة 67:1 وفجوة في الاتصال بين الريف والحضر (36.5% مقابل 71.4% من انتشار الإنترنت)، فالتصميم المحلي أولًا والقادر على العمل دون اتصال شرطٌ للوصول لا راحة (Roy and Roy (2026)).

  • يُقدّر المعلّمون الذكاء الاصطناعي التوليدي للعمل التمهيدي لا للاستخدام الحيّ في الصف. يجد مراجعة منهجية PRISMA لـ23 دراسة (Li et al. 2026) أن معلّمي اللغة يُقدّرون الذكاء الاصطناعي التوليدي أكثر ما يُقدّرون للتحضير خلف الكواليس — تخطيط الدروس، وإنشاء المواد، ودعم الكتابة والتغذية الراجعة — لكنهم يبقون مترددين بشأن التنفيذ المباشر المواجه للصف، بما يعكس فجوة نظرية-عملية بين الموافقة على الذكاء الاصطناعي مبدئيًا واستخدامه حيًّا. ويُشكّل التبنّي بعوامل الهوية المهنية، والتربوية، والتقنية، والمؤسسية، والنزاهة الأكاديمية، مع وقوع المعلّمين على طيف من عدم التبنّي إلى الإدماج الشامل؛ وتميل المواقف إلى التطوّر من عدم الأمان الأولي نحو استخدام واثق وانتقائي مع التعرّض.

  • هيّئ ثقافة معلّمي اللغة بالذكاء الاصطناعي. تجد المراجعات المنهجية أن الثقافة بالذكاء الاصطناعي بين معلّمي اللغة فجوة جوهرية — فاستثمر في التطوير المهني للمعلّم إلى جانب تبنّي الأداة. وبما أن الذكاء الاصطناعي يعيد تشكيل تعليم اللغة، فإن الثقافة به جوهري أيضًا لانخراط المعلّمين نقديًا مع التقنية: فقد طُوّرت مقياس ثقافة المعلّمين بالذكاء الاصطناعي (TAILS) لـإعداد معلّمي اللغة، مُجرِّدًا إطار ED-AI ذا الأبعاد الستة (المعرفة، والتقييم، والتعاون، والسياق، والاستقلالية، والأخلاقيات) ومُتحقَّقًا منه مع معلّمي لغة إنجليزية قبل الخدمة.

  • أربعة ملفات تفاعل في مهمة ثنائية اللغة عالية الضغط. استخدم Kuang, Li and Weng (2026) تتبّع العين وتسجيل القلم وتسجيل الصوت مع 22 متدرّبًا في الترجمة الفورية ليُظهروا أن الطلاب يوزّعون الانتباه بين مخرَج الذكاء الاصطناعي وتدوينهم الذاتي بأربع طرائق متمايزة — المنخرطون المكثفون، والماسحون السريعون، والتقليديون، والمُحوّلون المتكررون — وأن 58.3% من ملاحظات مستوى المرحلة غيّرت الملف بين مرحلتي الاستيعاب والإنتاج في المهمة نفسها. ولم تتنبأ أنماط مرحلة الاستيعاب وحدها بجودة المنتج، وحصلت العنقود الأثقل بالذكاء الاصطناعي على أدنى درجة في طلاقة الأداء وجودة اللغة الهدف، وهو ما يُبرر تعليم المتعلّمين وصف استراتيجيتهم والتأمل فيها بدل وصف طريقة واحدة للعمل مع الأداة.

  • وجّه حلقة المهارات الأربع كاملة حول الكلفة والاتصال. يُطلق Guo et al. (2026) LLMersion-1، نموذجًا أوليًا محليًا أولًا يعمل الاستماع والقراءة والتحدث والكتابة على وثيقة المتعلّم الخاصة على عتاد استهلاكي — يُكمّم مدرّس من مليار معامل إلى 808 MB وتبقى الحزمة المقيمة كلها دون 4 GB — ويُسعّر خمس سنوات من الممارسة اليومية بنحو 18 دولارًا من الكهرباء، مقابل 1,200 دولار لاشتراك سحابي. ولا تُبلَّغ أي نتائج للمتعلّمين، وتغذية النطق مقطعية فقط.

المفاهيم المتصلة

المقالات المتصلة

الموارد المرتبطة

  • موارد mglearn الصفية
    A large set of free, browser-based classroom activity suites and print-ready materials from TCEA, including Gen AI literacy and digital citizenship modules.

البيانات الوصفية

التخصصLanguage Learning, Writing Education
المستوىHigher Ed, K 12
التقنيات والأساليبالذكاء الاصطناعي التوليدي
الإنصاف والأخلاق والاستخدام المسؤولالإنصاف
أساسيات الذكاء الاصطناعي في التعليمالذكاء الاصطناعي في التعليم
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.