علوم التعلّم

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

علوم التعلّم — مجال البحث المتعدد المجالات الذي يدرس كيف يتعلم الناس وكيف تُصمَّم البيئات التي يحدث فيها التعلّم، مستندًا إلى علم النفس المعرفي ونظرية التعلّم وعلوم الحاسوب واللغويات، وحاكمًا تصاميمه بالأدلة التجريبية لا بالنظرية وحدها. وفي قاعدة المعارف هذه، هو مجال البحث المحيط بـالذكاء الاصطناعي في التعليم لا أحد المواد المدرسية: فهو يمدّ الآليات التي تُشغّلها أنظمة الذكاء الاصطناعي عمليًا (مكونات المعرفة، وعتبات الإتقان، ونقل الأثر)، والأجسام التصميمية المدمجة فيها (تسلسلات المقرر المخططة، والمعلمون، وأنظمة التغذية الراجعة) والمعايير التي تُحاكم بها (مكاسب التعلّم، وصلاحية التقويم، والإنصاف). وسؤاله المنظّم ليس ما إذا كان أداة ما تؤدي أداءً حسنًا بل ما إذا تغيّر متعلّم.

أسئلة للتفكير

• يجتاز متعلّم كل بند تدريب، فتنهي عتبة الإتقان المجموعة — ثم يطبّق القاعدة تطبيقًا خاطئًا حيث كان ينبغي حجب الفعل. خطأُ من ذلك: المتعلّم، أم النموذج، أم قاعدة التوقف؟
• يستطيع تنقيب التسلسل أن يصف 554 مقررًا كأنماط دون مراقبة صف واحد. فماذا يكسب الحقل وماذا يخسر بدراسة النوايا المصمّمة بدلًا من النشاط المنفّذ؟
• تبدو الحساسية الديموغرافية في تغذية النموذج اللغوي الراجعة تكيّفًا عندما تتبع مستوى التعليم المعلن للمتعلّم، وتبدو تحيزًا عندما تُزيح الانطباع. فهل ينبغي لحقل لا يستطيع فصل الاثنين أن يواصل استخدام نماذج مفتوحة في التقويم؟
• هل يُضيّق شغف علوم التعلّم بالتصميم السببي — التخصيص العشوائي، وتدقيق الافتراضات المقابلة، والنماذج التنفيذية للمتعلّم — ما يُحتسب كدليل في الذكاء الاصطناعي في التعليم؟

مقدمة

تدرس علوم التعلّم التعلّم وتصميم بيئات التعلّم، وهي معرَّفة بمناهجها بقدر ما هي معرَّفة بموضوعاتها: التجارب، والتجارب الصفّية، والنمذجة الكمية لبيانات الطلاب، والتحليل الكيفي للتصاميم والسياقات، والبحث القائم على التصميم الذي يبني تدخّلًا ويراجعه في الاستخدام. وهذه السعة تفصل هذه الصفحة عن الجيران الذين يمدّون الأطر والممارسة والأدوات؛ والقسم التالي يحدد كل حدّ وما أسّسه الحقل على الجانب الآخر منه.

وتغطي هذه الصفحة المعرفة الجوهرية التي أنتجتها هذه المناهج — ما يفعله المتعلّمون بنموذج توليدي، وأي الترتيبات تغيّر النتائج، وحيث تُخفق أدوات الحقل نفسه. ويأخذ الذكاء الاصطناعي في التعليم في المجالات الدراسية القطع المعاكس، متمسكًا بأن موضوع المادة يغيّر ما ينبغي أن يفعله الدعم؛ أما علوم التعلّم فآخذة بالمنظور المقطوع عرضًا، والآليات التي تختبرها مجمّعة تحت علم النفس المعرفي.

كيف يظهر الذكاء الاصطناعي في علوم التعلّم

• الآلية أولًا، ثم النموذج. أجرى An, McLaren and Stamper (2026) أحد عشر تجربة (N = 192) بأنظمة تعليم ذكية في لعبة الرييتشي ماهجونغ وأظهرا أن المتعلّمين الذين صاغوا إنتاجًا مبالغًا في التعميم — الفعل دون قيد تطبيقه — طبّقوه تطبيقًا خاطئًا في أول بند "لا تتصرف" بنسبة 61.5%–100%، مقابل خطأ متوقع 12% تحت تتبّع المعرفة البايزي. ومع عتبة إتقان 95% أوقف النظام التدريب قبل أن يواجه المتعلّمون حالة تقتضي حجب الفعل، فبقيت العلة غير مكتشفة. وخفّض تدريب "لا تتصرف" القصير مع تغذية راجعة تسمّي القيد الغائب سوء التطبيق إلى 0.0%–23.1% (h لكوهين 1.70–2.44)، ووجد تحليل ثانوي لثلاثة عشر مجموعة بيانات من نوع Decimal Point للصفوف K-12 البنية ذاتها في تحيز العدد الصحيح (84%–88% من أخطاء المقارنة).

• يعتمد الأمثل على المحتوى. يعامل Rachatasumrit, Koedinger and Carvalho (2025) نسبة المثال إلى المسألة كتفاعل محتوى-معالجة: إذ في تجربة 2×2 مع 95 مشاركًا على مادة مساحة الهندسة، أنتج التدريب بالتدريب فقط مكاسب تعلّم أكبر للحقائق الحرفية بينما أنتج التدريب المدمج بالأمثلة مكاسب أكبر للمهارات القابلة للتعميم (β = 0.41، p = .038، d = 0.38). وأعاد متعلّم محاكى (Apprentice Learner) إنتاج التقاطع فقط عندما مُنح آلية ذاكرة ونسيان على طريقة ACT-R. فالتدريب الأكثر ليس أفضل بصورة موحّدة: فالمحتوى الموجّه للذاكرة يقتضي الاسترجاع، والمهارات الموجّهة للاستقراء تقتضي أمثلة مدمجة.

• التصميم كجسم قابل للتحليل. حوّل Divjak, Svetec and Horvat (2026) تحليلات التعلّم على تصميم التعلّم نفسه، مُرمّزين 29,064 نشاطًا عبر 554 مقررًا مخطّطًا في أداة تصميم مقررات حرة. وكان الاكتساب أكثر أنواع التعلّم شيوعًا وأكثر نقطة دخول شيوعًا؛ وأقوى انتقال ماركوفي كان التقويم → المناقشة (0.332) وأعلى قاعدة عالية الثقة كانت الاكتساب → التقويم → التدريب → التدريب (0.743، مع رفع 1.45). وتتبع نوع التعلّم مستوى النتيجة المقصود، إذ تراجع الاكتساب من نحو 50% من الأنشطة في مستوى بلوم 1 إلى نحو 20% في المستوى 6. ويشدد المؤلفون على أن هذه تصاميم سابقة للتنفيذ: فالتشابه مع تسلسلات قائمة على الاستقصاء أو قائمة على المشروع أو المقلوبة ليس دليلًا على القصد.

• تدقيق النماذج التي تُقوّم. دقّق Rooein, Benedetto and Hovy (2026) ستة نماذج لغوية كبيرة في تصحيح المقالات والتغذية الراجعة التكوينية والإجابة على الأسئلة، مثبّتين مدخل المهمة مع تفاوت السياق الديموغرافي وحده (192,480 نداء). وكان التصحيح مستقرًا تحت شخصيات صريحة، لكن Llama-70B أضخم درجاتها بـ1.57 نقطة تحت تاريخ حواري ضمني (p < 0.001)، والتحصيل العالي جلب استجابات أقل قابلية للقراءة وأكثر إيجابية — فجوة انطباع بنحو أربعة انحرافات معيارية. وتراجعت آثار القابلية للقراءة بينما نمت آثار الطول، وغيّرت بعض المعاملات إشارتها بين الشروط. ويقدّمونها كأداة تدقيق لا كحكم نشر، ويقرأون تشابك الإشارة الديموغرافية والموضوعية كتهديد لـالصلاحية والإنصاف.

• قياس الكفاءة وحدودها. يُنظّم Verí (2026) أدوات الاستخدام الكفء لـالذكاء الاصطناعي التوليدي في أربعة مجالات — المعرفة والاستخدام، والإشراف المعرفي، ومعايرة الاعتماد، والتحكم في الوكلاء مستخدمي الأدوات — رافضًا تقليصها إلى متصّل كفاءة واحد. وارتبطت ثلاث علاقات على العيّنة ذاتها بين ثقافة الذكاء الاصطناعي المُقدّرة ذاتيًا والمُبرهَنة بـr = .055 (فترة ثقة 95% [-.047، .156]، N المبلّغ عنها 2,765)، وهو ما يقرؤه المؤلف كافٍ لرفض معاملة التقديرات الذاتية كقابلة للتبادل مع درجات الأداء، وإن لم يكن كافيًا لتحديد عتبة. ولم تُغطِّ أي أداة متحققة المجموعة الكاملة من القرارات التي تبتدعها الوكلاء مستخدمون للأدوات؛ والبطارية الطبقية المقترحة فرضية تصميمية.

• التقرير الذاتي عن تفريغ المتعلّم نفسه. يُترجم Alam (2026) أدبيات التفريغ الإدراكي إلى PAUSE، وهو فحص ذاتي في المتصفح وحده بأربعة مجالات، كل بند من عصر النماذج اللغوية الكبيرة فيه مرتكز إلى مصدر، بلا مركّب، وبلا تخزين، وبلا نموذج في الإنتاج؛ ونطاقاته وصفية لا معيّرة، والقراءة لا يجوز أن تبرّر قرارات التقويم أو القبول أو التوظيف. وحدوده المعلنة تهم: فالتقرير الذاتي عن التفريغ عرضة للقدرة التي يعالجها، ومن يستخدم الذكاء الاصطناعي كـسقالة بقصد يظهر كأنه يفرّغ إدراكيًا في عدة بنود، ويبقى ما إذا كان التفريغ المرتبط بالذكاء الاصطناعي متميزًا عن الاعتماد التقني العام مسألة مفتوحة.

• حيث تكمن الخبرة البشرية. يُبلّغ Wang et al. (2024) عن أوضح تقسيم للعمل: ففي تجربة مضبوطة عشوائيًا دامت شهرين مع نحو 900 معلم مبتدئ للصفوف K-12 ونحو 1,800 طالب، رفعت الاقتراحات الآنية المستمدة من استدلال معلمين ذوي خبرة إتقان الموضوع بـ4 نقاط مئوية (من 62% إلى 66%، p < 0.01)، وبـ9 نقاط للمعلمين الأقل تقييمًا، بنحو 20 دولارًا لكل معلم سنويًا، محوّلة التعليم نحو الأسئلة المرشدة. وكانت المكاسب قريبة المدى — فلم تتحرك اختبارات نهاية العام. ويجد Reichert et al. (2026) المعلمين يصلون إلى الموقف ذاته بالتصميم: فستة معلمين في المرحلة الثانوية يصمّمون نماذج روبوتات محادثة حدّدوا خبيرًا محدودًا، حاملين حدود سلطة (فالمسؤولية عن التعلّم والأمان غير قابلة للتفويض) وحدود خبرة (فالنموذج يفتقر معرفتهم بالطلاب الأفراد)، ومفوّضين عرض المحتوى والتدريب والتغذية الراجعة المصحّحة محتفظين بتحديد الأهداف والتقويم الختامي.

• القدرة على مستوى الحقل. مسح Sutedjo, Chowdhury and Liu (2026) 127 عضو هيئة تدريس بأداة TPACK مُكيَّفة للذكاء الاصطناعي التوليدي: معرفة محتوى ومعرفة محتوى بيداغوجي قوية (M = 4.70–5.15) إلى جانب معرفة تقنية متكاملة أدنى بفارق واضح، مع أدنى TPACK شامل عند 2.55، ومعرفة المحتوى غير مترابطة مع أي مجال متكامل تقنيًا، والمجالات المتكاملة الثلاثة مترابطة ترابطًا عاليًا (r = .81–.91) بما يجعلها قد تعمل كعامل واحد. ويقرأ Perrotta (2026) طبقة الحكم عبر نموذج أولي متوقف لخدمة مدنية في المملكة المتحدة كان أساسه البرمجي مطالبة نظام إضافة إلى خط استرجاع فوق نماذج تجارية، مجادلًا بأن عمومية نماذج الأساس تُتيح إعادة التوجيه السريع إلى أدوات السياسات وتجعل المخرج المنحرف خطرًا قابلًا للتخفيف فقط على الدوام — إشراف يُطلّ من فوق الحلقة لا يجلس داخلها.

• فجوة التكامل، مرسومة: ركّب Malik and Bashir (2026) 32 دراسة (PRISMA 2020، تحليل موضوعي) في أربعة موضوعات: التفتّت المعرفي داخل الحقل، وتناقضات النظرية–التقنية (الأنظمة الحاسوبية تعمل على التنبؤ والسلوك القابل للقياس بينما تؤكد النظريات التربوية على السياق والتفاعل الاجتماعي)، وتحويل التعلّم إلى بيانات عبر التحليلات، والذكاء الهجين بوصفه نموذجًا ناشئًا. وإطار الذكاء الهجين الذي يقترحونه تركيب مفاهيمي لا نموذجًا مُصدَّقًا — فهو في قول المؤلفين ينتظر الاختبار التجريبي — لكن خريطة الموضوعات الأربعة عدسةُ تدقيق مفيدة لمشكلة ترجمة النظرية إلى حساب يتصادم معها هذا الحقل باستمرار.

كيف تتعلق علوم التعلّم بجيرانها

البحث القائم على التصميم هو المنهج الذي طوّر هذا الحقل لا الذي استعاره: إذ يُبنى تدخّل ويُراجَع داخل صف عامل، ويُراجَع تبريره النظري إلى جانبه، فتنتج دراسة واحدة ناتجًا ومبدأ تصميميًا معًا. وهذا ما يفصله عن تجربة المختبر، التي تعزل سببًا بتثبيت السياق، ولهذا تصل نتائج الحقل كمعرفة تصميمية لا كمقادير أثر. ويأخذ مناهج البحث في AIED القطع الآخر: فتلك الصفحة تمسح الذخيرة كاملة — التجارب، والمسوح، والعمل الكيفي، والمعايير، والمراجعات، ومناهج الإجماع — كخيار بين أدوات، موزونة بصلاحية الادعاء الذي تستطيع كل منها دعمه. وتقرأ هذه الصفحة النص ذاته من الجانب الجوهري، سائلةً عما أسّسته الذخيرة عن التعلّم وحاكمةً منهًا بما إذا كان ادعاؤه التصميمي ينجو من ملامسة المتعلّمين.

تجمع نظريات التعلُّم الأطر المرشّحة — السلوكية، والمعرفية، والبنائية، والروايات الاجتماعية الثقافية، والدافع والتنظيم الذاتي — كعدسات لقراءة الذكاء الاصطناعي. وتتشارك علوم التعلّم ذلك المعجم لا ذلك الموقف: فهنا تكون النظرية ادعاءً عن آلية يجب على تصميم ما أن يُجسّدها أو يدحضها، ويقوم موقع الحقل على العمل التجريبي والتصميمي لا على تماسك إطار ما. وصفحة النظرية هي التي تُفتح لما يثبته إطار؛ وهذه الصفحة هي للأدلة التي تراكمت لإطار.

ويبني الحقل نظرية أيضًا لا يختبر أطرًا مستعارة فحسب: إذ يغطي تطوير النظرية في الذكاء الاصطناعي في التعليم العمل المفاهيمي الذي يفسر كيف يتفاعل المتعلّمون والمعلمون وأنظمة الذكاء الاصطناعي، وهو موضع المجادلة ببنى الحقل نفسها قبل قياسها. وما يُطلب عادةً من تصاميمه أن تُنتجه هو نقل الأثر — معرفة ومهارة تنجو بعد المعلم أو الموضوع أو المهمة التي تعلّمت فيها — ولهذا يُحتسب المكسب المقيس داخل أداة ادعاءً أضعف من المقيس دونها. ولأن البيئة المصمّمة تدخّل مركّب، فإن نسبة نتيجة إلى مكوّن واحد هي مشكلة القياس القائمة في الحقل: إذ يمدّ القياس التربوي الجهاز القياس النفسي الذي يجعل النسبة قابلة للجدل أصلًا، ولهذا تصل أسئلة القياس مبكرًا هنا لا بعد الواقعة.

علم النفس المعرفي هي المجال على مستوى الآلية الذي يستند الحقل إليه أكثر، ممدًّا بذاكرة عمل محدودة، وترميز واسترجاع، ومكونات معرفة قابلة للتفكيك، ولغة تشخيص نمذجة المتعلّم. وتستخدم علوم التعلّم تلك الآليات دون أن تختزل إليها: فوحدة تحليلها بيئة مصمّمة تحمل متغيرات اجتماعية ودافعية وسياقية لا يحملها حساب مختبري للذاكرة، وتُجرى اختباراتها على تدخلات كاملة لا على آثار إدراكية معزولة.

وتغطي البيداغوجيا وتصميم التعلّم الممارسة — أي استراتيجية تعليم يُستخدم، وكيف تُسلسَل الأهداف والأنشطة والتقويم في مقرر. وكلاهما ما تدرسه علوم التعلّم من الخارج، كأجسام للوصف والتقييم؛ فالحقل لا يقول لمعلم أي تكتيك يمدّ يده إليه تاليًا، بل يُبلّغ عما أُظهر أن التكتيكات تفعله. وتصميم التعلّم هو القريب الأقرب، بما أن كليهما ينتج شيئًا يمكن تنفيذه واختباره، لكن مخرج المصمم مقرر قابل للتعليم ومخرج الحقل معرفة عن التصاميم عمومًا.

ولا تهم النتائج إلا عندما تصل إلى التعليم، ويمر ذلك الرحلة عبر ثلاث صفحات. فـالتطوير التعليمي هو الممارسة المؤسسية التي تحملها — فالتطوير الأكاديمي والمعايير والسياسات وعمل الهوية يقرر ما إذا كان تصميم متحقَّق سيصل إلى صف أبدًا، ولهذا تسبق أدلة الحقل رأسًا ما نفّذته المؤسسات. وتعليم المعلم هو الموضع الذي ينبغي أن تهبط فيه المعرفة قبل أن يدخل معلم إلى الغرفة، ودور المعلم هو موضع هبوطها بعد ذلك، في الحكم لحظة بلحظة عن متى يتدخل، وأي أداة يستخدم، ومتى يترك متعلّمًا لحاله. ولا تُنتج أي من الثلاثة نتائج علوم التعلّم؛ لكن الثلاثة تقرر ما إذا كانت تلك النتائج ستغيّر الممارسة.

المفاهيم المرتبطة

• نظريات التعلُّم
• علم النفس المعرفي
• أصول التدريس واستراتيجيات التعليم
• تصميم التعلّم
• مناهج البحث في AIED
• تطوير النظرية في الذكاء الاصطناعي في التعليم
• البحث القائم على التصميم
• التطوير المهني
• التطوير التربوي
• الذكاء الاصطناعي في التعليم في المجالات الدراسية
• التدريس الذكي
• تحليلات التعلّم
• صدق التقييم
• القياس التربوي
• التفريغ المعرفي
• مكاسب التعلّم
• نقل التعلّم
• التدريس
• الإنصاف
• سياسة الذكاء الاصطناعي في التعليم

المقالات المرتبطة

• Beyond AI Literacy: A Structured Review and Exploratory Meta-Analysis of Measures for Competent Generative-AI Use — مراجعة وتلخيص تحليلي استكشافي لمقاييس الاستخدام الكفء للذكاء الاصطناعي التوليدي (Verí 2026)
• Deceptive Overgeneralization: When Adaptive Learning Enables Systematic Misapplication — الصحة تحجب قاعدة غير مكتملة: قواعد إتقان التوقف في التعلّم التكيّفي (An, McLaren & Stamper 2026)
• The Role of Implicit and Explicit Demographic Signals in Large Language Model-based Student Assessment — تدقيق افتراضي مقابل للإشارات الديموغرافية في تقويم الطلاب بالنماذج اللغوية الكبيرة (Rooein, Benedetto & Hovy 2026)
• Learning paths and patterns in learning design: Insights from 500+ courses — سلاسل ماركوفي وتنقيب أنماط على 29,064 نشاطًا في 554 مقررًا (Divjak, Svetec & Horvat 2026)
• PAUSE: A Privacy-Preserving Self-Reflection Tool for AI-Associated Cognitive Offloading — فحص ذاتي غير تشخيصي يحافظ على الخصوصية للتفريغ المرتبط بالذكاء الاصطناعي (Alam 2026)
• Zero-shot governance — الحكم دون أمثلة سابقة: الذكاء الاصطناعي ذو الغرض العام في السياسات، مقروءًا عبر أساس Redbox البرمجي (Perrotta 2026)
• Evidence and Theory for why the Best Example-Problem Ratio To Optimize Learning Gain Depends on Knowledge Content — لماذا تعتمد أفضل نسبة مثال إلى مسألة على المحتوى (Rachatasumrit, Koedinger & Carvalho 2025)
• Human-Centered Design of LLM-Powered Educational Chatbots: A Study with Secondary Teachers — المعلمون يصممون روبوتات محادثة خبير محدود، بتفويض انتقائي للتعليم (Reichert et al. 2026)
• Assessing faculty self-perceived knowledge in using generative AI to teach 21st-century skills — TPACK للذكاء الاصطناعي التوليدي لدى أعضاء هيئة التدريس: معرفة محتوى قوية، ومعرفة تقنية متكاملة ضعيفة (Sutedjo, Chowdhury & Liu 2026)
• Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise — Tutor CoPilot: تجربة مضبوطة عشوائيًا للتعليم الحيّ البشري-الذكاء الاصطناعي على نطاق واسع (Wang et al. 2024)