ما وراء المعرفة

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

ما وراء المعرفة — التفكير في تفكير الشخص نفسه — هي في الوقت ذاته هدف لـ أبحاث تعليم الذكاء الاصطناعي البحث (هل تستطيع أدوات الذكاء الاصطناعي أن تطور مهارات ما وراء المعرفة لدى الطلاب؟) وعامل خطر في الوقت نفسه (فإنجاز الذكاء الاصطناعي للمهام قد يكبح ممارسة ما وراء المعرفة).(The Evidence Base on AI in K-12: A 2026 Review)(Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement)

أسئلة تستحق التأمل

• «ما وراء المعرفة» هي التفكير في تفكيرك الخاص — معرفة ما تعرفه، ومراقبة نفسك، وتعديل استراتيجياتك. عندما تدرس أو تحل مشكلة، إلى أي مدى تكون واعيًا في تلك اللحظة بما إذا كنت تفهم فعلًا مقابل مجرد التعرف على المادة؟
• نتيجة مثيرة للانتباه: الطلاب الذين استخدموا مساعدة الذكاء الاصطناعي في كتابة المقالات كانوا في كثير من الأحيان غير قادرين على استرجاع اقتباسات من مقالاتهم الخاصة، لأنهم لم يتعاملوا مع المحتوى أثناء الإنتاج. عندما تُنتج الأداة المخرَج، ما الممارسة التي يخسرها المتعلّم — وهل تلك الممارسة مهمة؟
• تقدم الصفحة ما وراء المعرفة كهدف في الوقت نفسه (هل يمكن للذكاء الاصطناعي بناؤها؟) وكرِجّة (هل يمكن للذكاء الاصطناعي كبحها؟). هل يمكن لنفس أداة الذكاء الاصطناعي أن تقوي أو تُضعف ما وراء المعرفة لدى المتعلّم بحسب طريقة تصميمها أو استخدامها؟ وما الذي يحدد الاتجاه الذي تسلكه؟
• المحفّزات المنظمة التي تطلب من الطلاب أن يشرحوا أنفسهم، أو يقيموا الاستراتيجيات، أو يحددوا الفجوات، تحافظ على الطلب المتعلق بما وراء المعرفة، في حين أن الذكاء الاصطناعي الذي يُنجز المهام ببساطة يُزيحه. إذا كنت تصمم أداة دراسية بالذكاء الاصطناعي، فما الذي ستبنيه بحيث تدعو إلى التأمل بدل أن تحل محله؟
• تجد الصفحة أن كون استخدام الذكاء الاصطناعي غنيًا على صعيد ما وراء المعرفة من عدمه يعتمد على دافع المتعلّم وموقفه بقدر ما يعتمد على التقنية. هل استخدمت يومًا أداة بشكل سطحي ثم أدركت أنك لم تتعلم شيئًا — وما الذي كان مختلفًا في المرات التي استخدمتها فيها بعمق؟

مقدمة

تشير ما وراء المعرفة في التعليم إلى وعي المتعلّمين بعملياتهم المعرفية، ومراقبتهم لها، وتنظيمها:

• المعرفة المتعلقة بما وراء المعرفة: فهم ما يعرفه الشخص، والاستراتيجيات المتاحة له، ومتى ينبغي نشرها
• التنظيم المتعلق بما وراء المعرفة: تخطيط التعلم الخاص ومراقبته وتقييمه في الزمن الحقيقي

ضمن أطر التعلم ذاتي التنظيم، تُعدّ ما وراء المعرفة الآلية المركزية التي تُمكّن المتعلّمين من تكييف الاستراتيجيات، والتعرف على الالتباس، وطلب المساعدة في التوقيت المناسب.(Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement)

الطريقة التي ينشر بها المتعلّمون ما وراء المعرفة فعليًا حول الذكاء الاصطناعي تتشكل بأكثر من مجرد الأداة ذاتها: يجد Cui et al. أن دافع الطالب ودور التفاعل الذي يتبناه يشكّلان اندماجهم المعرفي-ما-ورائي مع الذكاء الاصطناعي التوليدي — أي أن كون استخدام الذكاء الاصطناعي غنيًا على صعيد ما وراء المعرفة يعتمد على موقف المتعلّم بقدر ما يعتمد على التقنية. ويضيف Miles, Haber-Curran and Arar (2026) تفاعل الذكاء الاصطناعي ذاته كموضوع لذلك التأمل: فالخطوة الختامية في دورة محو الأمية في المحفّزات تطلب من المتعلّمين أن يفحصوا ما كشفه هذا العمل عن كيفية عمل المحفّزات وعن الافتراضات التي شكّلت الرد، ويجعلون التأمل والمراجعة المرحلة التي تتطور فيها الأصالة والحكم النقدي.

يظهر دور أعمق لما وراء المعرفة حين ينتقل موضع التنسيق من المعلم إلى المتعلّم. يجادل Dang, Hong, Doyle and Nguyen (2026) في إطارهم كفاية التعاون بين الإنسان والذكاء الاصطناعي (HACC) بأن العمل التكاملي الذي يسنُده TPACK إلى التربية ينتقل، متى صار الفاعل هو المتعلّم، إلى ما وراء المعرفة لدى المتعلّم ذاته — وهي الكفاية التي تُمكّن الطلاب من توجيه التعاون، ومعايرة اعتمادهم على الذكاء الاصطناعي، والبقاء مؤلفين لتعلّمهم. ويعاملون الكفاية المتعلقة بما وراء المعرفة كآلية يُمارس من خلالها فعل المتعلّم، مستبعدين الفاعلية كمكوّن منفصل وقراءتها بدلًا من ذلك كصفة ناشئة عن تنسيق الكفاية في المجال وفي الذكاء الاصطناعي وفي ما وراء المعرفة. وقد وجد تحليل الشبكات المعرفية الذي أجرَوه على مقابلات مع 24 مربيًا في التعليم العالي أن الخطاب المتعلق بما وراء المعرفة يرتفع مع مستوى الدور — فقد ربط المربون الأقدم سنًّا بينها وبين المجال والذكاء الاصطناعي والتعلم بالذكاء الاصطناعي — وهو ما يقرؤه المؤلفون على أن المربين ذوي المسؤولية الأوسع عن المنهج ينظرون إلى صعوبات الطلاب المستمرة كصعوبات تنظيمية لا تقنية.

كيف تؤثر أدوات الذكاء الاصطناعي على ما وراء المعرفة

خطر الكبح (ستانفورد SCALE، 2026)

عندما يُنجز الذكاء الاصطناعي مهام الاستدلال نيابة عن الطلاب — حل المسائل الرياضية، وكتابة المقالات، وتوليد الشيفرة — يخسر الطالب الممارسة في مراقبة فهمه واختيار الاستراتيجيات.(The Evidence Base on AI in K-12: A 2026 Review)

الاعتماد ليس فشلًا: Du and Yuan (2026) يحكمان على التعلم بوساطة الذكاء الاصطناعي بستة معايير تشخيصية — القابلية للمنازعة، والقابلية للاستعادة، والقابلية للانتقال، والقابلية للتتبع، والمسؤولية الموزعة، والتعددية المعرفية — ويميزان بين المساعدة الأداتية، التي تساعد في إنتاج المخرَج، والمساعدة الحاملة للحكم، التي تزوّد المعايير التي يُحكم بها على المخرَج. تسمية مسألة الحَوكمة. يقترح Lin and Chang (2026) ملكية ما وراء المعرفة — أي حَوكمة المتعلّم للمعايير والأحكام التقييمية والإجراءات التي يسهم فيها الذكاء الاصطناعي — فاصلين بين الاستيلاء على المعايير، وحَوكمة الحكم والمراقبة، وتفويض التحكم، ومطلبين فرصة واقعية للعمل على نحو مختلف.

النتائج الرئيسة:

• Kosmyna et al. (2025): الطلاب الذين استخدموا مساعدة الذكاء الاصطناعي في كتابة المقالات كانوا عاجزين بنسبة 83% عن استرجاع الاقتباسات من مقالاتهم الخاصة، مقابل 11% لغير مستخدمي الذكاء الاصطناعي — ما يشير إلى أنهم لم يتعاملوا مع المحتوى أثناء الإنتاج.
• Stadler et al. (2024): قلّل الذكاء الاصطناعي متعدد الأغراض الحمل المعرفي لكنه أنتج استدلالًا أدنى جودة مقارنة بالبحث التقليدي، ما يشير إلى أن الاندماج المعرفي-ما-ورائي قد أُزيح.
• Lehmann et al. (2025): أضر الذكاء الاصطناعي العام بـ البرمجة الطلاب ذوي المعرفة السابقة المنخفضة في فهمهم — فالطلاب الأشد حاجة إلى السقالة المتعلقة بما وراء المعرفة تلقوا الأجوبة بدلًا منها.
• الخمول المعرفي-ما-ورائي. يسمي الحقل نمط فشل مميزًا يتنازل فيه المتعلّمون عن مسؤولياتهم المتعلقة بما وراء المعرفة للأداة — معتمدًا مصطلح metacognitive laziness على وهم الكفاية الناتج، محذرًا من أن مخاطره المعرفية تقع بثقلها الأكبر على المبتدئين والمنظّمين الذاتيين الأضعف (Lodge & Loble (2026)).

الطلاقة هي سبب خفاء تلك الخسارة. يحكم المتعلّمون على تعلّمهم جزئيًا من مدى سهولة معالجة المادة، ويُظهر Bjork et al. (2013) أن إشارات الطاقة تؤدي بالناس إلى المبالغة في تقدير فهمهم حين تبدو المادة سهلة؛ والنص المولَّد بطلاقة بواسطة الذكاء الاصطناعي يزوّد ذلك الإحساس سواء تبعته الفهم أم لا، مما يخلق شروط وهم مُصنَّع في الكفاية. يعامل التوليدية هذا كالسبب الذي يجعل ما وراء المعرفة التكيفية غير مفترضة: على المتعلّم أن يسأل ما إذا كانت سهولة القراءة تعكس الفهم بدل أن يقرأ السهولة ذاتها كأنها الجواب.

الوعي لا يضمن توقف الإنجاز. يسمي Jia (2026) ظاهرة metacognitively discordant completion: متعلّم بذل جهدًا حقيقيًا، ويحكمًا أولًا متشكلًا من منظور الشخص الأول بأن الفهم لم يأتِ، ومع ذلك يُطلق العمل — وهي الحالة التي يتجاهلها كلٌّ من رواية وهم الطلاقة ورواية الجهد المسحوب.

كما أن المتعلّمين معايَرون على نحو خاطئ في تقديرهم لتكاليف الذكاء الاصطناعي: تنبأ المشاركون بالأزمنة المستقلة بدقة، لكنهم قلّلوا من تقدير الزمن بمساعدة الذكاء الاصطناعي، وأفادوا بجهد أقل (0.61 نقطة على مقياس NASA-TLX) في حين أن الذكاء الاصطناعي سرّع ثلاثة فقط من 24 مهمة — تحيّز غائب حين كان المساعد المتخيَّل شخصًا آخر (Yu et al. (2026)).

يبدو التكلفة محدودة لا شاملة: الإفراغ المعرفي يُضعف المهارة المحددة التي تمارسها، لا القدرات العامة للمجال الكامنة تحتها، ويظهر عند السحب: فحص بالمنظار الداخلي وجد أن كشف الورم الغدي يهبط من 28.4% إلى 22.4% عندما يكون الذكاء الاصطناعي غير متاح، ما يجعل مراقبة المصدر (التمييز بين استدلال الذكاء الاصطناعي واستدلال المرء الخاص) خطرًا معرفيًا-ما-ورائيًا مفتوحًا (Cash et al. (2026)).

فرصة التعزيز (Scheu et al.، 2026)

عندما يُصمم الذكاء الاصطناعي لدعم التأمل بدل أن يحل محله، يمكن تقوية ما وراء المعرفة:

• مذكرات التعلّم ممارسة كلاسيكية لما وراء المعرفة: فبالتأمل في عمليات التعلّم، يزيد الطلاب وعيهم بإدراكهم

• المحفّزات المنظمة التي تطلب من الطلاب أن يشرحوا أنفسهم، أو يقيموا الاستراتيجيات، أو يحددوا فجوات المعرفة، تحافظ على الطلب المعرفي-ما-ورائي. يمنح CoMeT (Hou et al. 2026) تلك العبارة تعريفًا وسندًا تجريبيًا: فهو يعامل الطلب المتعلق بما وراء المعرفة ككمية متميزة عن الحمل المعرفي — أي ما يجب على المتعلّم أن يقرره أو يقوله أو يحكم به قبل وصول المساعدة، لا مجرد ما يتبقى عند حجب المساعدة — وأثبت أنه مكافئ إحصائيًا لمعلم يحجب الأجوبة بالتصميم (p_TOST = .004) في حين أن دعمه هو ذاته يتصاعد ويتضاءل درجة واحدة في كل مرة. وقد ثبت التلاشي حين كانت دفعة المتعلّم موجَّهة إلى القرار موضوع الدعم: فالدفعات الموجَّهة إلى غير ذلك حصلت على تنازل لاحق بنسبة 40.3% من الوقت مقابل 28.8% للدفعات الموجَّهة، أي بفارق 11.5 نقطة، فما على المعلم أن يقرأه هو موضع انتباه المتعلّم لا مقدار الجهد الذي تُظهره الدفعة.

• إسناد مستوى استخدام ذكاء اصطناعي لكل مهمة. يقترن HAIML بطبقاته الثلاث بأربعة مستويات لاستخدام الذكاء الاصطناعي — من عدم الاستخدام، إلى العصف الذهني، إلى التعاون مع الذكاء الاصطناعي والإبداع المتكامل معه مع تقييم المخرَج — حتى يحدد المعلّم المستوى لمهمة ما ويُبقي التأمل المعرفي-ما-ورائي محوريًا في كل مستوى (Reardon, 2026).

• الدورة القائمة على المثال في روبوت المحادثة عند Scheu et al. زادت الكفاءة المُدركة (وهي تقييم ذاتي معرفي-ما-ورائي) حتى حين لم يفعلها مساعد النماذج اللغوية الكبيرة (LLMs) وحده

• تأطير ناشئ يضع النظام، لا الفرد فقط، في الحلقة. يجد استعراض ببليومتري-منهجي لـ 135 دراسة في صفوف العلوم والتقنية والرياضيات والهندسة (24 دراسة جوهرية) تأطيرًا بعد-إنسانيًا ناشئًا يضع الذكاء الاصطناعي كمنظّم مشارك للتعلّم، ناقلًا وحدة التحليل من التأمل الفردي إلى تنظيم على مستوى النظام والإدراك الموزع (Tsakeni et al. (2025)).

• إظهار أنماط التفاعل التي لا يستطيع المتعلّمون رؤيتها. تتبع Kuang, Li and Weng (2026) حركات العين وتدوين الملاحظات والكلام بينما عمل 22 متدربًا على الترجمة الشفوية مع نظام للتعرف على الكلام والترجمة الآلية، ووجدوا أن الطريقة التي قسّم بها الطلاب الانتباه بين مخرَج الذكاء الاصطناعي وملاحظاتهم الخاصة كانت غير مرئية بالنسبة إليهم: 58.3% غيّروا نمطهم بين مراحل المهمة، وأكثر من قرأ مخرَج الذكاء الاصطناعي بإمعان حصل على أدنى درجة في طلاقة الأداء وجودة اللغة الهدف. والنتيجة التربوية هي أن التأمل يجب أن يُسقال بدليل خارجي، لأن استراتيجية المتعلّم ليست قابلة للاستبطان — ويدعو المؤلفون إلى توجيه الطلاب لوصف وتقييم سبب عملهم بطريقة معينة في كل مرحلة.

• الدليل على العملية مشروط بالقناة. عند 79 طالبًا جامعيًا يعملون مع الذكاء الاصطناعي التوليدي، ظهرت المراقبة والتخطيط الأعمق في وحدات التفكير بصوت عالٍ أكثر مما ظهر التنظيم الأعمق في سجلات التفاعل، فسجل واحد وحده يُقلل من شأن بعض العمليات (Li and Liu (2026)).

• الممارسات التأملية يمكن أن تنشأ من الاستخدام العادي للمادة الدراسية. في ثماني مدارس دنماركية للتعليم الثانوي، طور الطلاب العاملون مع الذكاء الاصطناعي التوليدي كشريك معرفي أربع ممارسات — التفسير، والإبداع، والإلهام، والتحسين، تتشعب إلى إحدى عشرة عملية — ظهر التأمل فيها في كلٍّ من السجل التخصصي وسجل العملية، مع أن كل ممارسة يمكن أن تخدم الاستبدال على السواء (Dalsgaard & Prilop, 2026).

• السقالة التأملية قد تُعتاد ثم تحل محل المراقبة الذاتية التي تحميها. يحذر de Jong (2026) من أن التحفيز المتكرر على التأمل قد يتلاشى أثره بالتعويد — على نحو ما تُرفض التحذيرات المتكررة تلقائيًا — حتى إن المحترف الذي يتأمل فقط حين يطلب النظام ذلك قد ينتهي بلا الأداة وبلا عادة المراقبة الذاتية؛ وتقول الورقة إن المحفزات التأملية ينبغي أن تُعامل كتدخل بناء مهارة متلاشٍ، وأن تُختبر لمعرفة ما إذا كان المستخدمون يتأملون بدونها.

• مكسب انتقائي: معرفة متعلقة بما وراء المعرفة بلا تخطيط ولا مراقبة. قسّم Wang et al. (2026) 68 معلمًا في مرحلة ما قبل الخدمة إلى مجموعة شرحت الصف المقلوب لمتعلّم مبتدئ في الذكاء الاصطناعي التوليدي (n=33) ومجموعة ساءلت معلمًا مولَّدًا بالذكاء الاصطناعي التوليدي (n=35). حصلت مجموعة المتعلّم المبتدئ على درجة أعلى في المعرفة المتعلقة بما وراء المعرفة واستراتيجيات التعلّم (p < 0.001، معامل d لكوهين = 0.41) لكن ليس في التخطيط والمراقبة (M = 4.01 مقابل 3.78، p = 0.062)، مع أن درجات التفسير والتطبيق في المجموعة ذاتها ارتفعت (r = 0.474 و r = 0.642) في حين لم تُفَرِّق بين المجموعتين درجة الاسترجاع المعلوماتي (p = 0.416). ويتبع هذا الانقسام المكوّنين المذكورين في المقدمة: فالتفسير لشخص يسأل بدوره يبني وعيًا تصريحيًا بما يعرفه المرء، لكن شيئًا في التصميم لم يجعل المتعلّم يحدد مسارًا أو يتحقق من التقدم، وهو ما ينسبه المؤلفون إلى تصميم المهمة والحمل المعرفي لا إلى الدور ذاته. وعليه فإن التعلم بالتعليم مع الذكاء الاصطناعي هو رافعة على المعرفة المتعلقة بما وراء المعرفة، لا على التنظيم تلقائيًا، ويوصي المؤلفون بإضافة محفّزات تخطيط صريحة وتغذية راجعة على التقدم.

• التفكير بصوت عالٍ يدعم الوعي المبكر لا التقييم العميق. أجرى Karaki and Baroudi (2026) دراسة بحث بالفعل بمنهج مختلط مع 44 طالبًا في السنة الأولى من ريادة الأعمال باستخدام منهج التفكير بصوت عالٍ خلال أعمال دراسية مدعومة بالذكاء الاصطناعي. جعل التفكير بصوت عالٍ بناء المحفّزات وممارسات التحقق وصنع القرار الأخلاقي لدى الطلاب أكثر ظهورًا، لكن التقييم النقدي لمخرجات الذكاء الاصطناعي "بقي في كثير من الأحيان على مستوى سطحي، لا سيما بين الطلاب الذين يحتاجون دعمًا إضافيًا" — فكشف الطلاب الردود العامة أو غير المتوافقة مع ذلك استمروا في الاعتماد عليها بشدة. وكان الوعي المعرفي-ما-ورائي المُبلَّغ ذاتيًا هو الأعلى بين ثلاثة بنى تم استطلاعها (M = 3.79)، لكن الاستطلاع الوحيد بعد التدخل لا يستطيع فصل الإدراك عن التغير. واستنتاج المؤلفين — أن التفكير بصوت عالٍ ليس حلًا قائمًا بذاته ويجب أن يُدمج مع تعليم صريح في محو الأمية المتعلقة بالذكاء الاصطناعي وبناء المحفّزات واستراتيجيات التحقق — يمدّ خط دليل العملية أعلاه من ما تسجله السجلات إلى ما يغيره التفوه وحده.

• التدريب المعرفي-ما-ورائي السابق هو بوّابة نفع شريك التأمل بالذكاء الاصطناعي. في تجربة 2×2 مع 60 معلمًا في مرحلة ما قبل الخدمة، وجد Zhang et al. (2026) تفاعلًا دالًّا بين ما وراء المعرفة والأداة: فقد تفوّق الشريك السقراطي بالذكاء الاصطناعي على الأدوات الرقمية التقليدية بـ0.56 نقطة بعد التدريب فقط، بلا أفضلية دونه (ΔM = −0.03).

تمييز الاندماج عن الدافع

وجد Scheu et al. (2026) انقسامًا محوريًا:

هذا يشير إلى أن الدعم المعرفي-ما-ورائي والدافع ليسا شيئًا واحدًا. لقد زادت السقالة التي قدّمها مساعد النموذج اللغوي الكبير لمقالات المذكرات مقدار ما كتبه الطلاب (الاندماج السلوكي) لكنها لم تجعلهم يرغبون في كتابة المزيد (الدافع الجوهري).(Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement)

تمييز المعتقدات عن الخبرات

يقدّم Guo & Ye (2026) رواية أكثر حِدّة نظريةً لكيفية تحكم ما وراء المعرفة في اختيار الاستراتيجية، مميزين بين مكوّنين يعملان في طورين مختلفين:

• المعتقدات المتعلقة بما وراء المعرفة — تصورات ذاتية مستقرة وذاتية المرجع مخزنة في الذاكرة طويلة المدى (مثل المعتقدات عن قدرة الذاكرة لدى الشخص، أو عن موثوقية أداة ما). هذه ترسو الخيارات الاستراتيجية قبل بدء المهمة.
• الخبرات المتعلقة بما وراء المعرفة — إحساسات دينامية مرتبطة بمهمة محددة (الصعوبة المُدركة، والثقة، والحمل الذهني) تُحرّك تحديث المعتقدات أثناء تنفيذ المهمة.

ينتج عن هذا التمييز مبدأ المطابقة بين التوقيت والمكوّن: فالتغذية الراجعة التي تستهدف المعتقدات (مثل الترتيبات المقارنة) تكون أكثر فعالية في طور التحضير قبل المهمة، في حين أن التغذية الراجعة التي تستهدف الخبرات (مؤشرات الصحة الفورية مثلًا) تكون أكثر فعالية أثناء تنفيذ المهمة. وقد تنفصل التغذية الراجعة المجردة في شكل ترتيب عن الخبرات المرتبطة بالمهمة التي تهيمن على القرار الفوري — أو تُقحَم عليها — مما يفسّر فشل بعض تدخلات التغذية الراجعة في تغيير السلوك. وهذا يمنح المربين سِدة مرتبطة بالأطوار لتصميم السقال المتعلق بما وراء المعرفة حول أدوات الذكاء الاصطناعي: معايَرة المعتقدات قبل الاستخدام، وتقديم تغذية راجعة فورية مرتبطة بمهمة محددة أثناء الاستخدام.

ويمكن للدعم الخارجي أن يتقدم أمام الحكم برمته. طلب Iqbal et al. (2026) من 87 طالبًا في تعلم الإنجليزية كلغة أجنبية أن يراجعوا مقالًا باستخدام ChatGPT 4.0، أو معلم أكاديمي متمرس في الكتابة، أو بلا دعم، وأعادوا بناء الاستراتيجيات التي استخدمها الطلاب من آثار النقر وضربات المفاتيح وحركات الفأرة. فما اختاروه ارتبط بقوة بالدعم المتاح (V لكريمر = 0.668)، لكن لم يرتبط بدقة الحكم المعرفي-ما-ورائي (H(3) = 4.995، p = 0.172)، وهو ما أظهر ارتباطًا هامشيًا فقط في حالة غياب الدعم (p = 0.0460). ولم ترتبط أي استراتيجية مراجعة بتغير درجة المقال (p = 0.273)، مع أن مجموعة الذكاء الاصطناعي التوليدي تحسنت أكثر من المجموعتين الأخريين تحسنًا دالًا (H(2) = 16.591، p = 0.00025، η² = 0.174)، فالمقالات الأقوى لم تأتِ من تنظيم ذاتي أفضل. فعندما يكون الشريك القادر قادرًا على تقديم الخطوة التالية، يتوقف الحكم المعرفي-ما-ورائي عن كونه ما يختارها، ورواية اختيار الاستراتيجية أعلاه تصف المتعلّم غير المدعوم أكثر مما تصف المدعوم. والقراءة العملية عند المؤلفين هي توجيه مساعدة الذكاء الاصطناعي نحو تحفيز التأمل في استراتيجيات الكتابة لا نحو تقديم مساعدة مباشرة.

المعايرة قابلة للتدريب: التنبؤ + التغذية الراجعة

يقدّم Ngai & Gilbert (2026) دليلًا سببيًا مباشرًا على أن معايرة ما وراء المعرفة مهارة قابلة للتدريب. ففي تجربتين مسجلتين مسبقًا (N=164، N=416)، خمس تجارب تدريب فقط تجمع بين التنبؤ بالأداء وتغذية راجعة صادقة حسّنت المعايرة وقلّلت التحيز. وتصميم إضافي بأربع مجموعات عزل المكوّن السببي: كان التنبؤ وحده غير فعال؛ وكانت إضافة التغذية الراجعة على الأداء هي ما قاد التحسن؛ وإضافة وسم صريح للثقة الزائدة أو الناقصة لم تضف شيئًا. والحاسم أن التحسن أثّر على المعايرة المطلقة — رفع الثقة عند ضعيفي الثقة وخفضها عند مفرطيها — فأصلح سوء المعايرة في الاتجاهين لا بنقل الجميع في اتجاه واحد (ولهذا كانت الآثار المُوَقَّعة/الاتجاهية معدومة). وهذا يعزز رواية "الخبرات لا المعتقدات" أعلاه ويُظهر أدنى تدريب مجدي على ما وراء المعرفة: التنبؤ + تغذية راجعة فورية مرتبطة بمهمة محددة.

• المحفّز التأملي الموجز يشحذ المراقبة أثناء القرارات المدعومة بالذكاء الاصطناعي. أضاف Ren (2026) ثلاثة محفزات تأمل قبل إنهاء الإجابات في تجربة بثلاثة شروط مع 342 طالبًا جامعيًا: هبط قبول النصائح الخاطئة لـ ChatGPT من 62.4% إلى 39.7% (OR = 0.40) وارتفعت معايرة الوعي (0.59 مقابل 0.41)، في حين بقيت دقة التوصيات والتوافق مع النصائح الصحيحة مرتفعة. وجعل التأمل الاعتماد أكثر تمييزًا لا دفاعيًا بشكل موحد، ما يدعم معاملة الاعتماد كمسألة مراقبة لا كمسألة مقدار استخدام الذكاء الاصطناعي.
• تجنيس التحفيز داخل دورة معرفية-ما-ورائية. يسلسل إطار IDEA استخدام الذكاء الاصطناعي التوليدي كنية، ثم تفكيك، ثم تعبير، ثم تكيّف، جاعلًا التحفيز خطوة واحدة في التخطيط والمراقبة لا مهارة قائمة بذاتها؛ فالطلاب الذين دُرّبوا عليه أنتجوا محفّزات أعلى جودة من أقرانهم الذين دُرّبوا على تحفيز الدور–المهمة–السياق–الصيغة في فئات المهام الخمس كافة (Wang et al., 2026).

آثار على تصميم الأدوات

1. الحفاظ على «الاحتكاك» الخاص بالتفكير: إذا كتب الذكاء الاصطناعي التأمل، فإن الطالب لا يبني مهارة ما وراء المعرفة. ينبغي لمساعدي المذكرات أن يسقالوا لا أن يؤلفوا.
2. نمذجة لغة ما وراء المعرفة: نجحت الدورة القائمة على المثال جزئيًا لأنها عرّضت الطلاب للحديث الذاتي المعرفي-ما-ورائي عند نماذج بارعة.
3. الفصل بين دعم الدافع ودعم المهارة: تطوير المهارة المعرفية-ما-ورائية (البنيّ على الدورة) وتعزيز الإنتاجية (المدعوم بالذكاء الاصطناعي) قد يستلزمان استراتيجيتي تصميم مختلفتين.

قد يغيّر الذكاء الاصطناعي العتبة المعرفية-ما-ورائية لقرار كفاية ما يعرفه المرء للإجابة: وجد Marcoccia et al. (2026) أن مجرد الوصول إلى نصيحة الذكاء الاصطناعي كبح استعداد الناس لتعليق الحكم في ظل عدم اليقين، حتى مع نصيحة خاطئة وحوافز على الدقة — أثر نجا من مخرَج غير مطلوب من الذكاء الاصطناعي ومن مكاسب مالية.

يمكن لـ الذكاء الاصطناعي الفاعل الاستباقي أن يزيح حلقة ما وراء المعرفة لدى المتعلّم: يجادل Woollaston et al. (2026) بأنه عندما يُحضّر الوكلاء المقدمات ويبدأون ويصححون أنفسهم، فإن تخطيط الوكيل ومراقبته وتقييمه تحل محل تخطيط المتعلّم ومراقبته وتقييمه، مُزيلةً ممارسة الاسترجاع والمراقبة الذاتية التي تعتمد عليها الصعوبات المرغوبة وتدريب ما وراء المعرفة.

• التربية القائمة على الخطأ كتدريب على ما وراء المعرفة: يُظهر Hosseini (2026) أن تعريض الطلاب عن قصد لأخطاء مولَّدة بالذكاء الاصطناعي في دورة تصميم قواعد البيانات يُنشّط المراقبة المعرفية-ما-ورائية — ففحص الطلاب المخرجات، وحددوا الأخطاء، وراجعوا التصاميم بدل قبول مخرَج الذكاء الاصطناعي على علاته. وارتبطت الثقافة الذاتية المُبلَّغ عنها في الذكاء الاصطناعي ارتباطًا ضعيفًا وسلبيًا بالكفاية الموضوعية (r=−0.39)، وهي فجوة معايرة صممت دورة النقد-التحسين لتضييقها.

• الفشل المنتج يُنشّط المراقبة المعرفية-ما-ورائية. يُظهر Kim et al. (2026) أن التعلّم القائم على الفشل المنتج يُنشّط التأمل في محاولات الشخص الخاصة؛ ومهام clue-before-correction تُلزم المتعلّمين بتشخيص أخطائهم وتصحيحها بأنفسهم — وهو نشاط معرفي-ما-ورائي يعطي فيه الذكاء الاصطناعي الأدلة لا الأجوبة.

• التنظيم الذاتي يُخمّد ضرر الإفراغ المعرفي لكنه لا يلغيه. يُظهر Chen (2026) أن التنظيم المعرفي-ما-ورائي (الكتابة ذاتية التنظيم) يُضعف الارتباط السلبي بين الإفراغ المعرفي العميق ونتائج الاستقلال بلا ذكاء اصطناعي في الكتابة المدعومة بالذكاء الاصطناعي التوليدي (تفاعل B = 0.22)، لكنه لا يُلغيه — وقد أنتجت حالة الدعم المحدود التي تجمع بين حدود التفويض والتأمل الإجباري حول كيفية قبول/رفض مقترحات الذكاء الاصطناعي أقوى أداء مستقل.

• عمق طلب التفسير يتنبأ بجودة المهمة لا بالاسترجاع. يُظهر Tsiligkiris (2026) أن محفّزات طلب التفسير (العمق) في تفاعل النموذج اللغوي الكبير تتنبأ بجودة المهمة لا بالاسترجاع الفوري، مفسرًا التفكك عبر التفصيل (الفهم) مقابل ممارسة الاسترجاع (الترسيخ) — وموحيًا بأن طلب التفسير يرتبط بالمراقبة المعرفية-ما-ورائية، مع أنه يجب إضافة مقتضيات الاسترجاع من أجل احتفاظ دائم.

• ما وراء المعرفة المُبلَّغ عنها ذاتيًا وكيل ضعيف للتنظيم مع نموذج لغوي كبير. أعطى Clerc et al. (2026) 116 طالبًا في المرحلة الإعدادية ورشة عمل في محو الأمية المتعلقة بالذكاء الاصطناعي مدتها ساعتان ثم قاسوا تفاعلهم مع النموذج اللغوي الكبير في مسائل العلوم: قبل الطلاب المدربون المحفّزات غير المحددة بدقة أقل تكرارًا (51.5% مقابل 66.7%)، وسألوا أسئلة متابعة بعد رد ضعيف أكثر بكثير (59.2% مقابل 27.9%، d = 0.80)، وحكموا على صحة الإجابات بحساسية أكبر لجودة المحفّز (OR التفاعل = 2.52). ولم يتنبأ مقياس عام للوعي المعرفي-ما-ورائي (Jr. MAI) ولا التقارير الذاتية عن الذكاء الاصطناعي التوليدي بتلك السلوكيات ولا بالأداء النهائي (r = .04 و r = .01) — فالمراقبة والتحكم أثناء استخدام الذكاء الاصطناعي التوليدي مرتبطان بمهمة محددة، والسلوك الملاحظ يحمل معلومات أكثر من أدوات التقرير الذاتي التي بُنيت لالتقاطها.

• التصحيح الآلي وصل إلى طور الأداء لا إلى التخطيط الذي يسبقه. أعطى Chen and Liu (2026) 46 طالبًا في الترجمة الشفوية 14 أسبوعًا من التصحيح الآلي الأسبوعي مع درجة مُعادة وأخطاء مُعلَّمة وأداء مرجعي: فقد حصلت المجموعة الآلية على مكاسب أكثر عمومًا (d = 1.03)، لكن المراقبة أثناء التدريب وحدها ارتبطت بمكاسب الدرجات (r = 0.42) في حين جلس التخطيط قبل التعلم قرب منتصف المقياس (M = 3.01). وحمل التقييم والتأمل ثاني أعلى متوسط (3.87 من 5) مع ذلك أظهرا ارتباطًا قريبًا من الصفر بالمكاسب (r = 0.10)، فلا ينبغي قراءة درجة تأمل عالية على أنها تأمل منتج.

• ثقافة التحقق تؤتي ثمارها فقط عبر التنظيم الذاتي المعرفي-ما-ورائي. وجد Davor, Larbi and Boateng (2026) في استطلاع لـ 533 طالبًا جامعيًا أن ثقافة التحقق في الذكاء الاصطناعي لم تكن مرتبطة مباشرةً بالتفكير النقدي ولا بحل المشكلات التقنية؛ وأنها أثرت فقط بشكل غير مباشر، عبر التنظيم الذاتي المعرفي-ما-ورائي (نمط توسط كامل). وكان نزوع الإفراغ المعرفي يسير في الاتجاه المعاكس، متنبئًا بتنظيم ذاتي أدنى (-.294) مع تفكير نقدي أدنى (-.240) وحل مشكلات أدنى (-.312).

• ارتفع التأمل مع الوصول إلى الذكاء الاصطناعي، وأفاد الاستدلال لا درجات الاختبار. تابع Melanou, Beege and Kimmig (2026) ثلاث صفوف (N = 87) خلال دورة مدتها تسعة أسابيع، قاسين في ثلاث نقاط. تحسنت المعرفة في كل الشروط دون أفضلية لأي من شروط الذكاء الاصطناعي ودون أثر متياثيو (BF01 = 8.70)، لكن الاستخدام التأملي (التحقق من المصادر والتحقق من مخرَج الذكاء الاصطناعي قبل اعتماده) كان أعلى بكثير في شرط الذكاء الاصطناعي من مجموعة المقارنة (M = 3.72 مقابل 2.82، F(1, 40) = 20.21، p < 0.001) وتنبأ بالتفكير النقدي (β = 0.43، p < 0.001، R² = 0.183) دون أن يتنبأ بأي مكسب معرفي. وظهر التأمل من مجرد الوصول إلى الأداة لا من السقالة، ولأن ثوابته تقع في الاستدلال، فإن اختبار المعرفة لن يسجل الفائدة المعرفية-ما-ورائية لدورة مدعومة بالذكاء الاصطناعي.

• داخل أداة تقرير ذاتي لما وراء المعرفة، يتفوق الوعي على البقية. تحقق Alatoai and Alshahri (2026) من صحة مقياس من 45 بندًا لتعلّم العلوم والتقنية والرياضيات والهندسة المدعوم بالذكاء الاصطناعي مع 649 طالبًا سعوديًا في التعليم الثانوي (CFI = 0.983، RMSEA = 0.019؛ ω المقاييس الفرعية = 0.888–0.905) واستخدموه لترتيب المكوّنات. فسرّت الأبعاد الأربعة 68% من التباين في درجات التعلم ذاتي التنظيم، وكان الوعي المعرفي-ما-ورائي القائم على الذكاء الاصطناعي هو الأقوى (β = 0.38، p < 0.001)، ثم قابلية الانتقال المعرفي والتكيف (β = 0.29، p = 0.008)، ولم يكن الاستدلال الإبداعي والنقدي في تعلّم العلوم والتقنية والرياضيات والهندسة بالذكاء الاصطناعي دالًا (β = 0.14، p = 0.135). والوعي هو المكوّن الذي يحمل الأداء التكيفي، وينصح المؤلفون بالإبلاغ عن المقاييس الفرعية بشكل منفصل لا بدرجة كلية واحدة، ويحفظون الاستدلال من الرتبة العليا لمهام جودة الاستدلال؛ لكن المقياس مع ذلك ذاتي التقرير، فمثل دراسة الورشة أعلاه يلتقط القدرة المُدركة لا استخدام الاستراتيجية الملاحظ.

• مراقبة المقيّم نفسه عمل معرفي-ما-ورائي أيضًا. يجادل Hoppe, Loibl and Leuders (2026) بأن الاستدلال التشخيصي المولَّد بالذكاء الاصطناعي ليس دليلًا خامًا بل تفسيرًا أُجري بالفعل، فيتعين على المعلمين دمجه مع ملاحظاتهم الخاصة في عملية يسمونها التشخيص-ما-بعد-التشخيص، حاسمين بشكل مقصود ما إذا كانوا يقبلونه أو يرفضونه أو يعدلونه. وهذا يضع حلقة ثانية متعلقة بما وراء المعرفة إلى جانب حلقة المتعلّم: لا فقط كيف ينظّم الطالب تفكيره مع الذكاء الاصطناعي، بل كيف يقيّم المعلم ما يدّعيه النظام عن ذلك التفكير.

المفاهيم المرتبطة

• الأنماط التربوية — خطوات التأمل التي تبنيها هذه التسلسلات
• المتعلّمون — المتعلّمون: المظلة التي تجمع المفاهيم المتعلقة بجانب المتعلّم
• التعلّم موجّه الذات
• التقييم الذاتي
• التفريغ المعرفي
• السقالة
• الذكاء الاصطناعي الوكيلي
• التقويم البنّاء
• ثقافة الذكاء الاصطناعي
• الاسترجاع والتباعد والتداخل — أحكام التعلّم ووهم الطلاقة الذي تصححه ممارسة الاسترجاع
• الاستسلام المعرفي

المقالات المرتبطة

• Teaching Students to Question the Machine: An AI Literacy Intervention Improves Students' Regulation of LLM Use in a Science Task — ورشة عمل في محو الأمية المتعلقة بالذكاء الاصطناعي مدتها ساعتان أزاحت تنظيم تفاعل طلاب المرحلة الإعدادية مع النموذج اللغوي الكبير، بخلاف ما وراء معرفتهم المُبلَّغ عنها ذاتيًا (Clerc et al. 2026)

• Student-AI Interaction in Computer-Assisted Consecutive Interpreting: Patterns and Performance — تفاعل الطالب مع الذكاء الاصطناعي في الترجمة الشفوية المتتابعة المساعدة بالحاسوب

• Epistemic Dependence in AI-Mediated Learning — الاعتماد المعرفي في التعلم بوساطة الذكاء الاصطناعي (Du & Yuan 2026)

• What Students Ask Matters: LLM Interaction Depth, Task Quality, and Immediate Recall in Higher Education — ما يسأله الطلاب يهم: عمق تفاعل النموذج اللغوي الكبير، وجودة المهمة، والاسترجاع الفوري (Tsiligkiris 2026)

• Layer-Sensitive Cognitive Offloading in Generative AI-Assisted Writing: Supported Performance and Independent No-AI Outcomes — الإفراغ المعرفي الحساس للطبقات في الكتابة المدعومة بالذكاء الاصطناعي التوليدي (Chen 2026)

• Efficiency vs. Effectiveness: Self-Regulated Learning with LLM-Mediated Help-Seeking — طلب المساعدة بوساطة النموذج اللغوي الكبير في العلوم والتقنية والرياضيات والهندسة: مطبَّق، وأداتي، ومُتحقق منه

• How motivation and roles influence metacognitive engagement in student-GenAI interaction — الدافع والأدوار في الاندماج المعرفي-ما-ورائي مع الذكاء الاصطناعي التوليدي

• Metacognitive Training Facilitates Optimal Cognitive Offloading — تدريب ما وراء المعرفة يُيسّر الإفراغ المعرفي الأمثل (Ngai & Gilbert 2026)

• Meta-Cognitive Insights into Cognitive Offloading: Mechanisms, Interventions, and Educational Implications — أفكار ما وراء المعرفة في الإفراغ المعرفي: الآليات والتدخلات والأثار التربوية (Guo & Ye 2026)

• The IDEA Framework for Metacognitively Regulated GenAI Use in Higher Education: Development and Exploratory Pilot Evidence — إطار IDEA للاستخدام المعرفي-ما-ورائي المنظم للذكاء الاصطناعي التوليدي

• HAIML: A Human-Centered AI Metacognitive Learning Model — A Framework for Human Agency and Reflective Learning in the Age of Artificial Intelligence — HAIML: نموذج تعلّم معرفي-ما-ورائي للذكاء الاصطناعي محوره الإنسان (فاعلية وتعلّم تأملي)

• Metacognitively Discordant Completion and the Aware Pass-Through of Non-Understanding in Generative AI Learning — الإنجاز المتناقض معرفيًا-ما-ورائيًا والعبور الواعي من عدم الفهم

• Mapping the Scaffolding of Metacognition and Learning by AI Tools in STEM Classrooms: A Bibliometric-Systematic Review — أدوات الذكاء الاصطناعي التي تسقال ما وراء المعرفة في العلوم والتقنية والرياضيات والهندسة

• Is AI making us stupid? — هل يجعلنا الذكاء الاصطناعي أغبياء؟ نقد للإفراغ المعرفي

• The Evidence Base on AI in K-12: A 2026 Review — الذكاء الاصطناعي متعدد الأغراض يكبح ما وراء المعرفة بإنجاز الاستدلال

• AI Advice Suppresses People's Willingness to Say "I Don't Know", Even When the Advice Is Wrong and Accuracy Is Incentivized — نصيحة الذكاء الاصطناعي تكبح استعداد قول «لا أعرف»، حتى مع نصيحة خاطئة وحوافز على الدقة

• Agentic AI and Pedagogical Best Practice: The Tension Between Automation and Learning — الذكاء الاصطناعي الفاعل وأفضل الممارسات التربوية: التوتر بين الأتمتة والتعلّم

• Cognitive offloading and the speedup illusion in human-AI interaction — الإفراغ المعرفي ووهم التسريع في التفاعل بين الإنسان والذكاء الاصطناعي

• Artificial intelligence, cognitive offloading and implications for education — الذكاء الاصطناعي والإفراغ المعرفي وأثارهما على التعليم (Lodge & Loble 2026)

• The Pedagogy of AI Mistakes: Fostering Higher-Order Thinking — تربية أخطاء الذكاء الاصطناعي: تعزيز التفكير من الرتبة العليا (Hosseini 2026)

• Designing AI systems to support a productive-failure-based learning: insights from adult learners on AI applications — تصميم أنظمة الذكاء الاصطناعي لدعم التعلّم القائم على الفشل المنتج

• Clue before correction: ChatGPT-enhanced strategy for promoting autonomous and reflective language learning — Clue Before Correction: ChatGPT للتعلّم اللغوي المستقل

• Prompts to Practice: A Pedagogical Framework for Human-Centered AI Engagement — التأمل في عملية التحفيز وتطور الأصالة في دورة محو الأمية في المحفّزات (Miles, Haber-Curran & Arar 2026)

• College students’ metacognitive awareness of generative-AI reliance: an experimental study of decision confidence and attribution bias — محفّز تأمل قلّل قبول النصائح الخاطئة للذكاء الاصطناعي وحسّن معايرة الوعي (Ren 2026)

• Impact of automated scoring on interpreting performance and self-regulated learning: evidence from a pedagogical experiment — التصحيح الآلي عزز المراقبة لا التخطيط، وبقي التأمل المُبلَّغ عنه ذاتيًا غير منتج (Chen & Liu 2026)

• Artificial intelligence-supported learning and higher-order cognitive outcomes: the mediating role of metacognitive self-regulation — ثقافة التحقق تعمل فقط عبر التنظيم الذاتي المعرفي-ما-ورائي (Davor, Larbi & Boateng 2026)

• Human or GenAI Support? Conditions Impacting Students' Strategy Choices in an Essay Revision Task — الدعم الخارجي، لا دقة الحكم المعرفي-ما-ورائي، هو ما قاد اختيار استراتيجية المراجعة (Iqbal et al. 2026)

• The Contribution of Generative Artificial Intelligence as a Novice Learner to Students in the Learning by Teaching Model — مكسب انتقائي: ارتفعت المعرفة المتعلقة بما وراء المعرفة بينما لم يرتفع التخطيط والمراقبة (Wang et al. 2026)

• Generative AI and Learning Dynamics in Higher Education: A Longitudinal Empirical Study — ارتفع الاستخدام التأملي مع الوصول إلى الذكاء الاصطناعي وتنبأ بالتفكير النقدي لا بمكسب معرفي (Melanou, Beege & Kimmig 2026)

• Exploring the Impact of AI-Based Learning Environments on Student Self-Regulation and Adaptive STEM Learning — الوعي المعرفي-ما-ورائي كأقوى متنبئ بتعلّم العلوم والتقنية والرياضيات والهندسة التكيفي (Alatoai & Alshahri 2026)

• Rethinking teachers’ diagnostic skills in AI-supported formative assessment: from diagnosis to meta-diagnosis — من التشخيص إلى التشخيص-ما-بعد-التشخيص: معلمون يحكمون على الاستدلالات المولَّدة بالذكاء الاصطناعي (Hoppe, Loibl & Leuders 2026)

• Open Questions Towards Skill-Sustaining Reliance in Reflective AI Engagement — Open Questions Towards Skill-Sustaining Reliance in Reflective AI Engagement

• Conceptualising Human–AI Collaboration Competency for hybrid intelligence: towards learner agency — ما وراء المعرفة، لا التربية، كآلية لفعل المتعلّم في التعاون بين الإنسان والذكاء الاصطناعي (Dang, Hong, Doyle & Nguyen 2026)

• Metacognitive Ownership in Human-AI Regulation: Construct Definition, Boundaries, and a Research Agenda — ملكية ما وراء المعرفة: بنى لحَوكمة المتعلّم للمعايير والأحكام والإجراءات

• Mapping the Distribution and Depth of Metacognitive Processes in Generative AI-Assisted Learning: Evidence from Interaction Logs and Concurrent Think-Aloud Protocols — السجلات والتفكير بصوت عالٍ يلتقطان عمليات معرفية-ما-ورائية مختلفة في التعلّم المدعوم بالذكاء الاصطناعي التوليدي

• AI as a cognitive partner in learning: Emerging epistemic practices of reflective thought — أربع ممارسات وإحدى عشرة عملية من الفكر التأملي عندما يعامل الطلاب الذكاء الاصطناعي كشريك معرفي

• Ethical Generative AI Use in Higher Education: An Action Research Study Using the Think Aloud Method — التفكير بصوت عالٍ جعل بناء المحفّزات والتحقق والاستدلال الأخلاقي مرئيين، لكن التقييم النقدي بقي سطحيًا؛ وليس حلًا قائمًا بذاته

• Metacognitive training and AI-based Socratic scaffolding in pre-service teachers' reflective practice: a dual-study experimental design — التدريب المعرفي-ما-ورائي والسقالة السقراطية بالذكاء الاصطناعي في الممارسة التأملية لمعلّمي ما قبل الخدمة: تصميم تجريبي ذو دراستين