المتعلّمون

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

توليف: المتعلّمون هم الجمهور المستهدف الأول لـالذكاء الاصطناعي في التعليم — الطلاب في K-12 والتعليم العالي ومتعلّمو الكبار الذين يُشكّل الذكاء الاصطناعي الآن عملهم وفهمهم وإحساسهم بذواتهم. هذه الصفحة هي المظلة لتغطية قاعدة المعارف للجانب الخاص بالمتعلّمين: ما يختبره المتعلّمون (تجربة الطالب)، ومن يصيرون (هوية المتعلّم)، وما يزالون يختارونه (فاعلية المتعلّم)، وكيف يتفاعلون مع الأداة فعلاً (تفاعل الطالب مع الذكاء الاصطناعي)، وما إذا صمد جهدهم وتنظيمهم الذاتي تحتها (التفريغ المعرفي)، وكيف تُنمذجهم أنظمة الذكاء الاصطناعي (نمذجة المتعلّم والتعليم التكيّفي). النتيجة المتكررة عبر ذلك البحث هي أن الأداة نفسها تساعد متعلّمين وتؤذي آخرين بصفة مختلفة — تتركز المكاسب حيث المعرفة السابقة وثقافة الذكاء الاصطناعي وعادات التحقق موجودةٌ أصلاً، وتتركز الانقلابات حيث يُبدّل الذكاء الاصطناعي التفكير الذي أُنشئت المهمة لبنائه.

أسئلة يجب التفكر فيها

• أي المتعلّمين في سياقك ستُبلغ أداة ذكاء اصطناعي جديدة أولاً، وأيهم ستخلفهم — وما الذي يجعلك تعتقد ذلك؟
• كثيراً ما يُبلّغ البحث أن الطلاب يعتقدون أن الذكاء الاصطناعي ساعدهم في حين تُظهر المقاييس غير المساعَدة لا مكسباً أو خسارة. إذا كان حساب المتعلّم الخاص دليلاً غير موثوق، فما الذي ستقبله كدليل على حدوث التعلّم؟
• يُوصف المتعلّمون هنا كأشخاص يستخدمون الذكاء الاصطناعي وكأشياء تُنمذجهم نماذج الذكاء الاصطناعي (نماذج المتعلّمين، تتبع المعرفة، طلاب محاكون). أين ينبغي لنموذج المتعلّم أن يُعلم التدريس، وأين ينبغي أن يتوقف عن الوثوق به؟
• التنظيم الذاتي والمعرفة السابقة يقرران ما إذا كان دعم الذكاء الاصطناعي يتحول إلى تعلّم أم إبدال. هل هذا نقص عند المتعلّم يُعالَج، أم مشكلة تصميم تُحل، أم مشكلة تقويم تُصلَح؟
• إذا أدت مجموعة من المتعلّمين أداءً ضعيفاً مع أداة ذكاء اصطناعي، فمصممو الأداة عادةً آخر من يعلم. كيف سيبدو روتين لسماع المتعلّمين قبل النشر وبعده في مؤسستك فعلاً؟
• وكالة المتعلّم وهويته على المحك إلى جانب التحصيل. أيها سترفض مقايضته بـمكاسب درجات قابلة للقياس — وهل سيجعل تصميم تقويمك ذلك الرفض مرئياً؟

مقدمة

يظهر المتعلّمون في قاعدة المعارف هذه بهيئتين مختلفتين جداً، وخلطهما يُسبب معظم الالتباس في المجال. في الأولى، المتعلّمون أشخاص يستخدمون الذكاء الاصطناعي: يطرحون أسئلة، ويقبلون الأجوبة أو يقاومونها، ويفقدون توازنهم أو يحفظونه، ويُبلّغون عن تجارب دعم وذنب وقلق واعتمادية. في الثانية، المتعلّمون أشياء تُنمذجها أنظمة الذكاء الاصطناعي: تقدير مهارة في تتبع المعرفة، أو حالة كامنة في التشخيص المعرفي، أو طالب محاكى يقف مكان طالب حقيقي. الدليل على الأولى يأتي من المسوح والمقابلات وتحليل السجلات والتجارب؛ والدليل على الثانية يأتي من آلة القياس نفسها — ونموذج المتعلّم ادعاءً لا متعلّماً.

هذه الصفحة هي نقطة الدخول للاثنين. تجمع مفاهيم الجانب الخاص بالمتعلّمين التي تغطيها قاعدة المعارف، وتشرح كيف ترتبط، وتربط الدراسات التي تقف وراءها. أصحاب المصلحة يغطي الجانب الآخر من المجال نفسه — المدرِّسون والمسؤولون والمصممون وصانعو السياسات — والصفحتان مُعدَّتان لتُقرأ معاً.

من يُعدّ متعلّماً

تتعامل قاعدة المعارف مع المتعلّمين عبر المدى الكامل للتعليم النظامي: تلاميذ K-12، وطلاب الجامعات، والمتعلّمون المهنيون والمهنيون المتخصصون، والمتعلّمون البالغون والمتعلمون مدى الحياة، بما في ذلك المتعلّمون ذوو الإعاقات، والمتعلّمون المختلفون عصبياً، والمتعلّمون متعددو اللغات. عُرفتان تهمان. أولاً، «المتعلّمون» و«الطلاب» ليسا قابلين للتبادل بصورة مفيدة: الطلاب يسمّي دوراً مؤسسياً، والمتعلّمون يسمّي نشاطاً، والشخص يمكن أن يكون أحدهما دون الآخر (موظف في تدريب مكان العمل متعلّم لكنه ليس طالباً). ثانياً، المتعلّمون ليسوا مجموعة متجانسة، والتغاير هو تحديداً ما يُعيد البحث إبرازه — المعرفة السابقة والتنظيم الذاتي واللغة وإمكانية الوصول وحالة الإعاقة تُغيّر جميعها ما إذا كانت أداة ذكاء اصطناعي تُساعد.

ما يختبره المتعلّمون

تجربة الطالب أحد أشد أبعاد الذكاء الاصطناعي في التعليم بحثاً، ودرسها الجوهري أن الآثار مختلطة لا موحدة. أعمال المسح على إنتاجية الدراسة تجد المتعلّمين يُبلّغون عن مكاسب كفاءة حقيقية — قال 92.3% إن الذكاء الاصطناعي حسّن فهمهم — إلى جانب فجوة تُخفيها الأرقام الرئيسية: قال 38.5% فقط إنه قلل زمن دراستهم الإجمالي، وأفاد نصفهم بأنهم يعتمدون أحياناً على الذكاء الاصطناعي بدل محاولة التعلم باستقلال. تحليلات أنماط الاعتماد تذهب أبعد: ينتهي الطلاب ذوو مستويات ثقافة الذكاء اصطناعي ومهارة تقييم مختلفة في علاقات نوعية مختلفة بالأداة، فسياسة المقرر نفسها تُنتج نتائج مختلفة لمتعلّمين مختلفين — دعماً لبعضهم وإبدالاً للبعض الآخر. يصف الطلاب جذب أقل جهد بكلماتهم، وهو ما تعامله صفحات النزاهة الأكاديمية والمفاهيم الخاطئة حول الذكاء الاصطناعي كمشكلة تصميم وسياسة لا كمشكلة أخلاقية.

يجري التأثر جنباً إلى جنب مع القصة المعرفية: تُوثّق القلق والتوتر والرفاه القلق من التفوق عليهم، ومن اتهامهم بسوء السلوك، وعن قيمة الدرجة التي يسعون إليها. النماذج الذهنية للمتعلّمين عن الذكاء الاصطناعي — ما يعتقدون أنه وما يعتقدون أنه من أجله — أعلى مجرى مما إذا كانوا سيستخدمونه جيداً، وهو سبب ظهور المفاهيم الخاطئة حول الذكاء الاصطناعي وتأطير استخدام الذكاء الاصطناعي للطلاب عبر بحث الجانب الخاص بالمتعلّمين.

تُعقّد حسابات المتعلّمين أيضاً قصة النزاهة التي تؤطر كثيراً من سياسة الجانب الخاص بالمتعلّمين. مقابلات مع 27 طالباً جامعياً في جامعة إثيوبية تجد استخداماً شبه شامل للذكاء الاصطناعي التوليدي إلى جانب قراءة أخلاقية منقسمة بحق — معظمهم يُنسب للأدوات رفع تحصيلهم، وأقلية تُسمي استخدامها في أعمال المقرر سوء سلوك، وجميعهم تقريباً يُبلّغون عن أرضية لعب غير مستوية يُحرز فيها مستخدمو الذكاء الاصطناعي درجات أعلى من العاملين المستقلين المجتهدين، واصفاً أحدهم الأثر بأنه يقتل إحساسهم بالاجتهاد. جانب الطالب من إجراءات سوء السلوك أرق في الأدبيات من جانب الاستخدام، لكن تحليل ملفات قضايا 1,162 ادعاءً بالذكاء الاصطناعي التوليدي يُظهر ما يواجهه المتعلّمون عند وصول الاستجابة المؤسسية: الدليل الأكثر استشهاداً به هو الأضعف تقييماً، ولا عتبة استدلالية دنيا تحكم ما إذا كانت القضية تتقدم، ويُدفع الطلاب الذين ترتكز قضاياهم على دليل رقيق نحو الاستئناف.

الهوية والوكالة والتأليف

بحث الجانب الخاص بالمتعلّمين لا يقتصر على النتائج. هوية المتعلّم يسأل من يصير المتعلّم في علاقته بمجال دراسي وبالذكاء الاصطناعي، والدليل يجري في الاتجاهين: يمكن للاستخدام المصمم جيداً أن يسقف الانتماء التخصصي، في حين يمكن للتفويض أن يُتلف الإحساس بأن العمل عمل المرء. فاعلية المتعلّم يسأل ما يزال المتعلّم يسيطر عليه. تتعامل قاعدة المعارف معهما ككونهما على المحك حقاً، لا كإضافتين ليّنتين على التحصيل: المتعلّم الذي يُنتج مخرجاً صحيحاً بذكاء اصطناعي ولا يتعرف بعد على الاستدلال وراءه فقد خسر شيئاً لا تُسجّله الدرجة. سؤال التأليف هو حيث يتعثر المتعلّمون أنفسهم أكثر: طلاب أُجريت معهم مقابلات حول الذكاء الاصطناعي التوليدي والنزاهة ادّعوا الأصالة لأنه لم يوجد مؤلف آخر — «إن لم تكن فكرتي الأصلية، فلمن هي إذن؟» — في حين استنتج آخرون أن العمل لا يمثّلهم، واستنتج واحدٌ نحو التعرف على الأداة كمؤلف مشارك لا يمكن أن تكونه، بما أن الذكاء الاصطناعي ليس شخصاً.

التفاعل مع الذكاء الاصطناعي: ما يفعله المتعلّمون فعلاً

تجمع صفحة تفاعل الطالب مع الذكاء الاصطناعي ما يطلبه المتعلّمون من الذكاء الاصطناعي، وكيف تتطور مطالباتهم وحواراتهم، ولماذا تتوقع جودة التفاعل بـنتائج التعلم أفضل من الوصول. مراجعة نطاق سريعة لـ46 تصنيفاً مستخلصاً من 33 دراسة تجد أن قاعدة الدليل مجزَّأة مفهوماً — تختلف الدراسات في مصدر البيانات ومخطط الفئات ووحدة التحليل، فـ«التفاعل الجيد» ليس بعد بناءً قابلاً للمقارنة عبرها، ودعوة المراجعة هي إلى تصنيف مُتقارب لاستخدام النماذج اللغوية الكبيرة (LLMs) الموجَّه نحو التعلم لا ادعاء بوجود واحد. دراسات محتوى الدردشة تجد أن الطلاب يضبطون أنفسهم بطرائق مميزة، مع اندماج يمتد من التحقيق واختبار الادعاءات إلى قبول أول جواب معقول. طلب المساعدة يُوفر الإطار الأقدم: طلب المساعدة مهارة، وطلبها من المساعد الخطأ بالطريقة الخطأ نمط فشل معروف لا يُزيله الذكاء الاصطناعي.

الجهد والتنظيم الذاتي وفجوة الأداء–التعلّم

هنا يكون دليل الجانب الخاص بالمتعلّمين أكثر الأجزاء عاقبةً، لأنه يفصل ما يستطيع المتعلّمون فعله مع الذكاء الاصطناعي عما يستطيعون فعله دونه.

يجمع التفريغ المعرفي دليل الاعتماد المفرط؛ ويُنصّ Distinguishing performance gains from learning when using generative AI على النقطة المنهجية الجوهرية أن الأداء المساعَد والقدرة غير المساعَدة يجب أن تُقاسا بشكل منفصل؛ والدراسات الحساسة للطبقات في الكتابة تفصل تفريغ السطح والبنية والأفكار والاستدلال، وتجد أعلى أداء مدعوم في الشرط الأقل تقييداً إلى جانب أدنى أداء مستقل ثمانية أسابيع لاحقاً؛ وحساب الاستسلام المعرفي لشو ونايف يسمّي الميول الذي يجعل التفويض معتاداً لا استراتيجياً. يُوثّق التنافر ما وراء المعرفي الحالة الوسطى غير المريحة — متعلّمون يلاحظون أنهم لا يفهمون ويُسلّمون مع ذلك — ويُظهر بحث التحقق أن «التحقق» نفسه مهارة متدرجة، لا عادة ثنائية. على جانب التصميم، يجمع الصعوبة المُنتجة والحد من إساءة استخدام الذكاء الاصطناعي التدخلات التي تُعيد الجهد الذي كانت المهمة تتطلبه.

المتعلّمون كنماذج

مفاهيم الجانب الخاص بالمتعلّمين ذات أطول نسب تقني هي التي تمثّل المتعلّم للنظام. يغطي نمذجة المتعلّم والتعليم التكيّفي العائلة: تتبّع المعرفة يُقدّر اكتساب المهارة عبر الزمن، والتشخيص المعرفي يُحدد موقع المفاهيم الخاطئة المحددة، والأنظمة التكيفية والشخصية التي تستهلك تلك التقديرات. محاكاة الطلاب ومراجعتها تتعامل مع المحاكاة كطريقة لاختبار المُدرِّسين الآليين وتوليد البيانات حين لا يكون المتعلّمون الحقيقيون متاحين — بديل مؤقت صريح، لا خليفةً. تحذيران يجريان عبر هذه الأدبيات: تقديرات النموذج استنتاجات من سلوك حساسة لكيفية بناء البنود والواجهات، وتُظهر دراسات الإشارات الديموغرافية أن أنظمة التقويم قد تلتقط بدائل لهوية المتعلّم (اللغة، الخلفية) لم يُقصد أبداً أن تكون جزءاً من البناء. يغطي مقاييس التقرير الذاتي مشكلة الصورة المرآتية على جانب البحث: ما يقوله المتعلّمون عن تعلّمهم غالباً ما يتباعد عما يستطيعون فعله.

الإنصاف بين المتعلّمين

لأن الفوائد تتبع الميزة السابقة، عمل الجانب الخاص بالمتعلّمين غير قابل للفصل عن الإنصاف. يشكّل الفجوة الرقمية وإمكانية الوصول إلى طبقات النماذج المدفوعة من يحصل على أقوى الأدوات؛ وتحكم مخاوف الإنصاف كيف تتعامل النماذج المتعلمة مع مجموعات مختلفة؛ ويغطي التعلّم الشامل وإمكانية الوصول والتربية الخاصة والتنوّع العصبي المتعلّمين الذين يتجاهلهم التصميم الافتراضي. العبر العملية من هذا البحث أن «الذكاء الاصطناعي يساعد الطلاب» ليست نتيجة — النتيجة دائماً أي الطلاب، تحت أي ظروف، وبأي معرفة سابقة وإمكانية وصول. تحمل مجموعتان نصيباً مميزاً من ذلك الخطر. رايت (2026) يُجادل أن المنع المكتوب حول «الذكاء الاصطناعي التوليدي» بدل الوظيفة يلتقط أدوات النسخ التي تُحوّل صيغة عمل أنتجه المتعلّم أصلاً، فتلحق الموجبات الكاذبة الناتجة أشد الإيذاءً بالمتعلّمين ذوي الإعاقات الذين يعتمدون على تحويل الصوت إلى نص والتعرف البصري على الحروف، بما في ذلك حيث حلت البرمجيات المساعدة المعزَّزة بالذكاء الاصطناعي محل برمجيات مساعدة مُتوقفة؛ مراجعة نطاق للمراقبة عن بعد تُقدّم النقطة الموازية حول شروط التقويم، فتُجد أن الاتصال وكلفة البيانات وفشل الأجهزة هي التي تقرر من يمكن تقويمه على الإطلاق — نتيجة إنصاف لا نتيجة تقنية، ومتمركزة في بيئات الدخل المنخفض والمتوسط.

موقع هذه الصفحة

اقرأ مع أصحاب المصلحة للناس حول المتعلّم، ومع أصول التدريس واستراتيجيات التعليم وتصميم التعلّم لما يفعله المدرِّسون بهذه النتائج. التقويم يحدد أي قدرات المتعلّم تُصير مرئيةً أصلاً؛ والحدود في أبحاث التعليم بالذكاء الاصطناعي يشرح لماذا كثير من دليل الجانب الخاص بالمتعلّمين قصير الأمد ومُبلَّغ ذاتياً ومُجرى على عينات ملائمة؛ والمفاهيم الخاطئة حول الذكاء الاصطناعي هي نقطة الدخول المعتادة للمتعلّمين أنفسهم.

المفاهيم المرتبطة

• الآثار التفاضلية بين مجموعات المتعلّمين
• تجربة الطالب — كيف يُدرك المتعلّمون الذكاء الاصطناعي ويتفاعلون معه ويتأثرون به
• هوية المتعلّم — من يصير المتعلّمون في علاقتهم بمجال دراسي وبالذكاء الاصطناعي
• فاعلية المتعلّم — ما يزال المتعلّمون يسيطرون عليه ويختارونه
• تفاعل الطالب مع الذكاء الاصطناعي — ما يطلبه المتعلّمون من الذكاء الاصطناعي فعلاً وكيف تتطور الحوارات
• التفريغ المعرفي — الاعتماد المفرط وإبدال الذكاء الاصطناعي للتفكير
• التعلّم موجّه الذات — تخطيط التعلم ومراقبته وتعديله
• طلب المساعدة — طلب المساعدة جيداً، وأنماط الفشل عندما لا يفعل المتعلّمون ذلك
• ما وراء المعرفة — معرفة ما يفهمه المرء وما لا يفهمه
• التحفيز — لماذا يواصل المتعلّمون أو يتوقفون
• الكفاءة الذاتية — ثقة المتعلّمين في قدرتهم الخاصة
• اندماج الطلاب — الاندماج السلولي والعاطفي والمعرفي
• المعرفة المسبقة — المعرفة الخلفية التي تقرر ما إذا كان الدعم يتحول إلى تعلّم
• نمذجة المتعلّم والتعليم التكيّفي — تمثيل المتعلّم داخل النظام
• تتبّع المعرفة — تقدير اكتساب المهارة عبر الزمن
• محاكاة الطلاب — المتعلّمون المحاكون بالنماذج اللغوية الكبيرة كبدائل مؤقتة
• ثقافة الذكاء الاصطناعي — القدرة التي تقرر ما إذا كان المتعلّمون يستخدمون الذكاء الاصطناعي جيداً
• الإنصاف — من يستفيد ومن يُخلف
• الرفاه — القلق والإجهاد والكلفة الوجدانية للدراسة بوساطة الذكاء الاصطناعي
• المفاهيم الخاطئة حول الذكاء الاصطناعي — النماذج الذهنية التي يجلبها المتعلّمون إلى الذكاء الاصطناعي
• أصحاب المصلحة — الجانب الآخر من المجال نفسه: المدرِّسون والقادة والمصممون
• التقويم — أي قدرات المتعلّم تُصير مرئيةً أصلاً

المقالات المرتبطة

• The Uneven Impact of Generative AI on Student Learning: Examining the Roles of Reliance, Evaluation Literacy, and Course Policy in AI-related Courses — أنماط الاعتماد وثقافة التقييم تُفرّق نتائج الطلاب
• Students' Perceptions of Artificial Intelligence Tools for Study Productivity and Learning: An Exploratory Survey Study — Learners report efficiency gains alongside dependency concerns
• Toward Convergence in Student-LLM Interactions: A Rapid Scoping Review and Taxonomy for Learning-Oriented Use — A taxonomy of learning-oriented student-LLM interaction
• Chat as Learning: Student-AI Conversations as Discipline-Associated Cognitive Engagement Patterns — Discipline-specific patterns in student-AI chat
• Layer-Sensitive Cognitive Offloading in Generative AI-Assisted Writing: Supported Performance and Independent No-AI Outcomes — Assisted performance gains without independent capability
• Distinguishing performance gains from learning when using generative AI — Why assisted performance and unassisted learning must be measured apart
• Thinking—Fast, Slow, and Artificial: How AI Is Reshaping Human Reasoning and the Rise of Cognitive Surrender — Cognitive surrender as a disposition, not an accident
• Metacognitively Discordant Completion and the Aware Pass-Through of Non-Understanding in Generative AI Learning — Learners who notice they do not understand and submit anyway
• Beyond checking: verification quality, reliance calibration, and learning in generative AI-assisted higher education — Verification quality and reliance calibration
• Simulating Students with Large Language Models: A Review of Architecture, Mechanisms, and Role Modelling in Education with Generative AI — Simulated students: architecture, mechanisms, and limits
• StanBKT: Rethinking Parameter Estimation in Bayesian Knowledge Tracing — Parameter estimation in Bayesian knowledge tracing
• The Role of Implicit and Explicit Demographic Signals in Large Language Model-based Student Assessment — Implicit and explicit demographic signals in LLM-based assessment
• The impact of artificial intelligence literacy on learning engagement among university students: the mediating role of psychological capital and the moderating role of professional identity — AI literacy, engagement, and psychological capital
• "It is a temptation to get it to do the work…" Student Experiences of Navigating the Generative AI Landscape in UK Higher Education: A Cross-Institutional Survey with International Comparison — Students describe the pull of least effort
• Tools facilitate cheating, or partner supports learning? GenAI and academic integrity issues from students' perspectives — Students on whether GenAI is a cheating tool or a learning partner
• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — What misconduct allegation files actually contain as evidence
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — Over-inclusive AI rules and the students they catch
• Educational integrity in GenAI-augmented assessment: making judgment visible — Integrity as evaluative judgment rather than compliance
• Under surveillance: Mapping remote proctoring practices in the assessment of nursing students — a scoping review — Remote proctoring's emotional and equity costs for students