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

النماذج اللغوية الكبيرة (LLMs)

تاريخ الإنشاء 2026-10-12

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

النماذج اللغوية الكبيرة (LLMs) — نماذج شبكات عصبية مدرَّبة على نصوص ضخمة تُولّد نصًا شبيهًا بالبشري، وهي التي تُشغّل معظم تطبيقات الذكاء الاصطناعي في التعليم الحديثة. وتُعد النماذج اللغوية الكبيرة العمود الفقري الحسابي للتعليم بالذكاء الاصطناعي التوليدي والتقويم وتوليد المحتوى في التعليم.

أسئلة للتفكير

  • بماذا تعتقد أن روبوت المحادثة بالذكاء الاصطناعي "يعرف" عندما يجيبك؟ تُقدّم الصفحة النماذج اللغوية الكبيرة كمنتجة لنص محتمل لا كمسترجعة لحقائق متحققة — فكيف يغيّر هذا التمييز مقدار ثقتك بتفسيرات النموذج؟
  • تُوصف النماذج اللغوية الكبيرة بأنها المحرك وراء معظم أدوات تعليم الذكاء الاصطناعي الحديثة — التعليم والتصحيح وتوليد المحتوى وحتى تشخيص ما يعرفه الطلاب. فأي هذه الاستخدامات أكثرها ملاءمة وأقلها ملاءمة لمنتج نص احتمالي في رأيك، ولماذا؟
  • تُبلّغ الصفحة عن أن ثلاثة نماذج لغوية كبيرة مختلفة أنتجت خطط دعم متباعدة بشكل حاد لنفس المدخل من تحليلات التعلّم، كل منها بافتراضات ديموغرافية مختلفة. فإذا لم تكن النماذج قابلة للتبادل كمستشارين، فماذا يعني ذلك لمؤسسة تعتمد أحدها؟
  • لأن مخرجات النماذج اللغوية الكبيرة حساسة للمطالبات والإعدادات، فيمكن لشخصين أن يحصلا على نتائج شديدة الاختلاف من النموذج ذاته. فكيف ينبغي أن يؤثر ذلك في طريقة صياغتك للطلبات — كمتعلّم أو مصمم — وفي مقدار ثقتك بمخرج واحد؟
  • أحد القيود الأساسية هو الهلوسة — محتوى يبدو معقولًا لكنه غير مؤسّس على أرضية. ففي سياق التعليم أو التصحيح، ما الذي يلزم لتشعر بالثقة بأن النموذج لم يخترع شيئًا، وما الضمانات التي ستقتضيها قبل أن تدعه يقيّم طالبًا حقيقيًا؟

مقدمة

النماذج اللغوية الكبيرة كمحرك لـAIED

النماذج اللغوية الكبيرة هي المفهوم الأكثر استشهادًا في قاعدة المعارف (أكثر من 60 مقالًا) لأنها تدعم كل تطبيق تقريبًا في تعليم الذكاء الاصطناعي:

  • التعليم: تستخدم معلمو الذكاء الاصطناعي النماذج اللغوية الكبيرة في الحوار والتفسير وإرشاد حل المشكلات. ويُكيِّف التدريب والضبط الدقيق النماذج اللغوية العامة للاستخدام التعليمي.

  • التقويم: تستفيد أنظمة التصحيح وتصحيح المقالات وتوقع صعوبة الأسئلة من قدرات النماذج اللغوية الكبيرة. ويُظهر Razavi and Powers (2026) أن GPT-4o يستطيع تقدير صعوبة أسئلة الرياضيات والقراءة للصفوف K-5 (N = 5170) معايَرةً حسب نموذج IRT لراش: إذ ارتبطت التقييمات دون أمثلة سابقة ارتباطًا متوسطًا إلى قوي بالصعوبات الحقيقية (r = 0.83 للرياضيات، وr = 0.81 للقراءة) لكنها تفاوتت حسب الصف، بينما وصلت الاستراتيجية القائمة على السمات التي يستخرج فيها النموذج اللغوي سمات إدراكية ولغوية لنماذج الشجر إلى ارتباطات تصل إلى r = 0.87 — وهو دليل على أن الاستخراج المهيكل للسمات يمكن أن يتفوق على حكم واحد شامل للنموذج اللغوي. وعبر أدبيات التصحيح المجمّعة، تستنتج مراجعة منهجية موجّهة بـPRISMA من مراجعة منهجية لـ42 دراسة تجريبية (2023–2025) أن النماذج اللغوية الكبيرة تضاهي المقيّمين البشر في المهام القصيرة المهيكلة جيدًا ذات المقاييس التفصيلية لكنها لا تستطيع أن تحل محل الحكم البشري كليًا في العمل المعقّد أو المفتوح أو الذاتي، وأن إصدار النموذج محدد سائد لجودة التصحيح (Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback). وتتفاوت الموثوقية أيضًا بحدة حسب نوع السؤال: فقد وجد Falahat et al. (2026) أن ChatGPT-5 طابق أعضاء هيئة التدريس عن كثب في بنود اختبارات الصيدلة الموضوعية (CCC 0.935–1.000) لكنه كان غير موثوق في الأسئلة قصيرة الإجابة (CCC ≈0) والمقالية (0.341–0.854)، وأن تقديم مقياس لم يحسّن الاتفاق باستمرار.

  • تصنيفات الأسئلة المولّدة تتبع الشكل السطحي لا الصعوبة. وجد تدقيق لـ378 سؤالًا أن تصنيفات سهل/متوسط/صعب التي أنتجها نموذج لغوي كبير ارتفعت بالتزامن مع مستوى بلوم الذي ولّده هو نفسه (ρ=0.90) وبطول صياغة السؤال (من 15.9 إلى 30.2 كلمة) لكنها ارتبطت بالصعوبة التجريبية للسؤال بارتباط لا يبلغ سوى ρ=0.06 على 7,888 استجابة طلابية — وهو دليل على أن البيانات الوصفية للصعوبة في وقت التوليد تصف التنسيق لا الطلب على المعرفة السابقة (An & Wang (2026)).

  • يمكن للأسئلة المولّدة أن تطابق أسئلة الخبراء على أي حال. فبني o3-mini في حلقة توليد←حكم←مراجعة اختبارات لـ71 صفًا؛ وبموجب نموذج IRT هرمي بايزي ثنائي المعامل من نوع IRT، كانت أسئلة الذكاء الاصطناعي أسهل لكن أكثر تمييزًا (ᾱ = 1.3 مقابل 1.2) وأكثر إعلامية (I_max = 3.85 مقابل 2.61) من أسئلة AP Statistics لخبراء (Isley et al. (2025)).

  • جودة التوصيف نتيجة تصميمية لا خاصية مطالبة واحدة. إذ استدعى Bernado et al. (2026) لجنة من خمسة نماذج للحكم على تأكيدات مقروءة بشريًا عن كل مقولة بدلًا من إصدار تصنيف مباشرة، فتفوّق مصنّف شفاف على تلك الأحكام الثنائية (macro-F1 0.673، وCohen's κ 0.688) على أفضل استدعاء مباشر منشور لنموذج متقدم (0.61 macro-F1) مع تأخره عن مُرمِّز RoBERTa-base مضبوط بدقة (0.76)؛ وعمل اتفاق النماذج المتقاطعة كجهاز فرز لا كدليل صلاحية.

  • نماذج الاستدلال متعددة الأنماط كمصحّحات: عندما صحّح نموذج لغوي متعدد الأنماط قادر على الاستدلال (GPT-o4-mini) صفحة اختبار عامة-الكيمياء المكتوب بخط اليد لـ296 طالبًا صفحة بصفحة مقابل صور المقياس، كانت الدرجات الكلية لتشغيل واحد قابلة للتكرار إلى حد كبير (ICC(A,1) = 0.967؛ وبلغ متوسط خمسة تشغيلات 0.993) واتفقت بقوة مع مجاميع مساعدي التدريس (R² = 0.91)، بينما كانت موثوقية البنود شديدة الاعتماد على التنسيق — فصُحّحت الإجابات النصية ومعادلات التفاعل جيدًا بينما كانت الرسم وتمثيل البيانات بيانيًا أسوأ من العشوائي (فشبكات الخلفية تصرف انتباه رؤية الذكاء الاصطناعي). ويُظهر هذا أن جدارة الثقة في مصحّح نموذج لغوي دالة في صيغة الإجابة والمهمة، لا في القدرة الخامة للنموذج وحده، وأن الإحالة الانتقائية عبر مرشحات الثقة ضرورية للاستخدام عالي الحصيلة (Assisting the grading of a handwritten general chemistry exam with artificial intelligence).

  • المحتوى: يعتمد إنشاء محتوى الذكاء الاصطناعي التوليدي على النماذج اللغوية الكبيرة. وتوليد الأسئلة وتوليد الفيديو مدفوعان بالنماذج اللغوية الكبيرة.

  • الأمان: تفحص الأمان البيداغوجي ومخاطر الهلوسة وأبحاث المتعلقة بالمخاطر الخاصة بالنماذج اللغوية الكبيرة.

  • التشخيص: تُدخل تتبّع المعرفة والتشخيص الإدراكي النماذج اللغوية الكبيرة تدريجيًا في نمذجة الطلاب الأغنى. وتهمّ التأصيلية في تشخيص الأخطاء أهمية هائلة: فقد أظهر Reddig, Arora & MacLellan (2025) أن تزويد GPT-4 ببنية واجهة المعلم إضافة إلى تقديرات المهارات بتتبّع المعرفة البايزي رفع تحديد الأخطاء المنطقية من 40% إلى 81% في التحليل (مع تشخيص عام للأخطاء ~87.8%)، بينما بقيت المسائل متعددة الخطوات والاستجابات ذات الأخطاء المتعددة حالات ضعيفة واستمرت تشخيصات "المفاهيم الخاطئة الشائعة" المهلوسة — وهو دليل على أن القيمة التشخيصية للنموذج اللغوي دالة في السياق المهيكل وإشارات نموذج المتعلّم التي يتلقاها بقدر ما هي دالة في النموذج ذاته.

  • التحقق منفصل عن التوليد — بأنماط إخفاق مترابطة. يقصر Hossain et al. (2026) استرجاع المعلم على مواد المقرر المعتمدة من المعلم ويوجّه الادعاءات عبر مدقق DeBERTa-v3-large-MNLI منفصل معماريًا، لكنه يحذّر من أن كلا النموذجين تتشارك تدريبًا واسعًا على الويب ويمكن أن تُخفق بطرق مترابطة، وأن المدقق لا يستطيع التحقق من أثر للشيفرة دون تنفيذها.

  • تحوّل نموذج التقويم (2017–2024): تتتبع مراجعة النطاق التي أجراها Morley et al. للتصحيح الآلي لأسئلة العلوم قصيرة الإجابة انتقال الحقل من ضبط النماذج الأصغر من نوع BERT بدقة (السائد حتى 2021) نحو استدعاء النماذج اللغوية الأكبر (GPT-1/2/3.5/4) من نحو 2022 — وهو تبَنٍّ يتم عبر هندسة المطالبات لا بالضبط الدقيق — مع رفع النماذج المعزّزة بالمجال والاستدعاء الواعي بالمقياس وسلسلة التفكير للدقة. لكن نادرًا ما تمت معايرة نماذج GPT مقابل BERT على نصوص معيارية، وقليل من المصحّحات الآلية استطاعت تفسير درجاتها، ونادرًا ما فُحص التحيز، وهي تحذيرات تنطبق على تقويم النماذج اللغوية الكبيرة عمومًا (Auto-marking short answer questions in science: The foundational years of transformer-based models from BERT to GPT-4).

الأبحاث الخاصة بالنماذج

تغطي قاعدة المعارف النماذج اللغوية الكبيرة ذات الغرض العام (GPT-4، Claude) والتكييفات الخاصة بالتعليم على حد سواء. وتقارن معايير النماذج اللغوية الصغيرة أداء النماذج اللغوية الصغيرة في التعليم، ويرى Suvernev et al. (2026) أن النماذج اللغوية الصغيرة ملائمة بنيويًا للتعليم الوكيلي عندما تُنشر كمخطّطات معزّزة بالأدوات — فالأدوات الحتمية تحمل الحمل الذي كان النموذج الصغير سيتولاه ضمنيًا — مع بقاء التحكّم البيداغوجي في سياسة التصعيد لا في النموذج. ويعالج بحث المواءمة التعليمية كيفية جعل النماذج اللغوية الكبيرة ملائمة بيداغوجيًا. ووجدت دراسة صفّية عبر ثلاث عائلات متقدمة — Oppenheimer, Cash & Connell Pensky (2025) — أن ChatGPT أو Gemini أو Claude يمكن أن تعمل كشركاء نقد تعاونيين في الكتابة الجدلية: فعلى مدى فصل دراسي من المقالات التكرارية، تحسن الطلاب في جودة الحجة وهندسة المطالبات والاستجابة لـتغذية الذكاء الاصطناعي الراجعة بنحو انحراف معياري كامل لكل منها (كلها p < .001) وانخرطوا بعمق (87.8% يدحضون ادعاءات النماذج اللغوية)، وهو ما يضع النماذج اللغوية العامة كشركاء تعلّم تعاوني قائمين لا كمولّدات إجابات فحسب.

ويُعيد خط عمل مكمّل تشكيل النماذج اللغوية الكبيرة من مصحّحات ثابتة إلى محاكيات لاستدلال بيداغوجي. فقد أظهر Yaşar et al. (2026) أن GPT-4، المسند بمقياس دقيق دلاليًا ومُصقول بشكل مشترك تكرارًا، يستطيع تقريب الحكم التقويمي البشري في التعلّم القائم على التصميم: إذ كان اتفاق النموذج اللغوي مع الإنسان أوليًا ضعيفًا (ألفا كرونباخ = 0.393؛ وكابا من −0.06 إلى 0.18)، لكن التحسين التكراري للمقياس رفع الاتفاق المتوسط من 54.75% إلى 81.25% (ألفا نهائية = 0.798، وكابا 0.40–0.55)، وأظهر تصنيف K-means لمصفوفات درجات الإنسان والنموذج اللغوي مراكز مترابطة ترابطًا عاليًا (r = 0.89). وتضع الدراسة المقياس كواجهة وسيطة بين القصد البيداغوجي البشري والاستنتاج الآلي — وهو دليل على أن النماذج اللغوية الجاهزة غير قابلة للتبادل كمقيّمين أيضًا، وأن سلوكها التقويمي نتيجة تصميمية يشكّلها المقياس والمطالبات التي تُعطى لها. وتميّز القدرة الخامة للنموذج التصحيح أيضًا: فبـمعايرة أحد عشر نموذجًا من الذكاء الاصطناعي التوليدي ونماذج تضمين الجمل على 1,885 إجابة مفتوحة، وجد Pecuchova, Benko & Drlik (2025) أن GPTo1 وحده بلغ اتفاقًا شبه مثالي مع مصحّحين بشريين خبيرين (كابا فليس 0.82)، مع تأخر Claude3 وPaLM2 قليلًا، بينما أخفقت النماذج المواءَمة مع مرجع مثل BERT بعيدًا — وهو ما يُظهر أن حساسية السياق للنماذج المتقدمة تهم في التقويم المفتوح الموثوق. وتهم اختلافات النماذج أيضًا في الاستخدامات النهائية عالية الحصيلة. فقد أظهر López-Pernas et al. (2026) أن ثلاثة نماذج لغوية كبيرة أنتجت وصفات دعم طلابي متباعدة بشكل حاد لنفس مدخل تحليلات التعلّم، وأن كل منها فرض أباعدًا ديموغرافية متميزة على صور المتعلّمين التي ولّدوها — وهو دليل على أن النماذج اللغوية الجاهزة غير قابلة للتبادل كمستشارين وصفيين. وبالمثل، وجد Olvet et al. (2026) أن تصحيح GPT-4 للأسئلة المفتوحة الطبية قبل فترة التدريب السريري ارتفع إلى اتفاق بين المقيّمين جوهري إلى شبه مثالي مع أعضاء هيئة التدريس (كابا موزونة حتى 0.94) بعد ثلاث جولات من التحسين التكراري للمقياس وحده، وهبط إلى متوسط (κw = 0.54) في سؤال ذي مقياس شامل — وهو ما يعزّز أن تصميم المقياس، لا القدرة الخامة وحدها، هو الرافعة الحاسمة لموثوقية تصحيح النماذج اللغوية الكبيرة. ويظهر السلوك الخاص بالنموذج أيضًا في كيفية استجابة النماذج اللغوية للمستخدمين المتشككين: إذ استفسر تدقيق خوارزمي عشرة نماذج لغوية متقدمة 500 مرة كل منها بشخصية متشكك في الذكاء الاصطناعي من K-12 في ريف مونتانا لاختبار ما إذا كانت أنظمة الذكاء الاصطناعي التي يستشيرها مستخدمون متشككون مهيأة لتشجيع التبنّي. فأقر ثمانية من عشرة بمخاوف المستخدم ثم أعادوا التوجيه نحو تأطيرات الاندماج بالذكاء الاصطناعي؛ وامتدت الدرجات المركّبة من 3.85 (Claude Sonnet) إلى 7.52 (Gemini 3.1 Pro Preview)، مع تجاوز لجنة تصحيح من الذكاء الاصطناعي عابرة للعائلات لكابا كوهين ≥ 0.70. وكان النمط نتيجة تصميمية معتمدة على النموذج. وتعتمد قدرة النموذج أيضًا على كيفية دمج النماذج: إذ ضيّف Bird (2026) بدقة ثمانية محوّلات متقدمة (BERT، ELECTRA، RoBERTa، XLNet، ERNIE، ALBERT، DistilBERT، Longformer) لتصنيف الأدب الإنجليزي حسب مرحلة UK Key Stage، فوجد أن أفضل محوّل أحادي النمط (BERT) بلغ F1 لا يتجاوز 0.75 — بينما رفع دمج ELECTRA المضبوط بدقة مع شبكة عصبية لغوية حسابية قيمة F1 إلى 0.996، مما يُظهر أن تصنيف النصوص بالمحوّلات وحدها محدود وأن الدمج مع السمات المكمّلة هو موضع المكاسب.

وتُثبّت النماذج اللغوية الكبيرة تفضيليًا أيضًا: ففي 11 نموذجًا، أكّدت استجابات الذكاء الاصطناعي المستخدمين بنسبة 49% أكثر من الاستجابات البشرية، وحظيت الردود الأكثر تملقًا بتقييمات أعلى، مما يرفع الثقة والاستخدام المستمر — وهو نمط إخفاق في الإرشاد والتعليم والتغذية الراجعة، حيث يكون التحدي البنّاء هو المقصد (Potel & Kumashiro (2026)).

المفاهيم المرتبطة

المقالات المرتبطة

الأسئلة الشائعة المرتبطة

البيانات الوصفية

التقنيات والأساليبالذكاء الاصطناعي التوليدي, التدريس الذكي, هندسة المطالبات, RAG (التوليد المعزَّز بالاسترجاع)
التقييم والقياسالتقويم الآلي
الإنصاف والأخلاق والاستخدام المسؤولخطر الهلوسة, الأمان البيداغوجي
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.