التقييم الشفهي

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

التقييم الشفهي — تقييم يلزم فيه على المتعلّم أن يشرح فهمه أو يدافع عنه أو يُبرهن عليه بالكلام، مباشرةً أو بتسجيل: الشهادة الشفهية الحيّة، والامتحان الشفهي، ومناقشة الدفاع الشفهية، ومقابلة مراجعة الشيفرة، والاستشارة السريرية. ولأن التبادل يجري في الوقت الحقيقي ولا يلزم أن تكون الأسئلة معلومة مسبقًا، فإن الصيغة تقاوم استبدال النص المولَّد بالفهم بما لا تقاومه مهامّ الأصيلة المنزلية. وهي تحمل أيضًا مشكلة صدق مميّزة: فالشفهي يقيس الطلاقة والثقة إلى جانب المعرفة، فما تُصدّقه يعتمد كثيرًا على كيفية تصميمه، وعلى من يسأل، وعلى كيفية معاملة كلام المتعلّم كدليل.

أسئلة للتفكر

• تُروَّج للشفهي في عصر الذكاء الاصطناعي لأن آلةً لا تستطيع الجلوس في القاعة والإجابة عنك. مع ذلك فإن المجموعة التي تُجادل بهذا لا تتضمّن أي تجربة عشوائية مضبوطة للشفهي مقابل التقييم الكتابي. فما الذي يلزم أن تراه قبل معاملة تلك الحجّة كمسألة محسومة؟
• يبلّغ المجموعة نفسها عن آليتين مختلفتين لانخفاض القلق: إزالة مراقبة المعلّم المباشرة، والتعوّد على الصيغة عبر الممارسة. وهاتان تضمنان تصميمين مختلفين. فأيّهما يناسب سياقك، وأيّهما تثق في أنه يتعّمم؟
• وقد يخطئ التصحيح المعتمد على الكلام فحسب فيعتبر الطلاقة اللفظية فهمًا مفاهيميًا. فإذا أشار متعلّم إشارةً صحيحة لكنه نطق الكلمة الخاطئة، أو نطق الكلمة الصحيحة دون فهمها، فما الذي يقيسه تقييمك بالضبط؟
• إن كل تصميم شفهي في هذه المجموعة يصطدم بالحائط نفسه: وقت الطاقم والقاعات. فإذا كان القيد ثمانيًا وعشرين ساعة تلامس للفصل الدراسي لخمسة عشر طالبًا، فهل الجواب الصادق عددٌ أصغر من المهام المدفوعة، أم فريق تدريس أكبر، أم صيغة مختلفة؟

مقدّمة

التقييم الشفهي أحد أقدم صيغ التقييم، وكان على مدى معظم القرن الماضي أقلّها رواجًا: صعب التوسّع، وصعب التوحيد القياسي، وصعب الدفاع عنه في عملية استئناف. لكن الذكاء الاصطناعي التوليدي عكس حظّه. فحين يستطيع نموذجٌ إنتاج تسليم كتابي عند الطلب، تنهار قيمة التقييم للمُنتَج، وينتقل الانتباه إلى تقييم الشخص. والمتعلّم الذي يلزم عليه الإجابة بصوت عالٍ على سؤال غير مألوف، في الوقت الحقيقي، حاضرٌ ومفكّر على أقلّ تقدير بحيث يمكن إبرازه.

ويصير هذا الانعكاس مرئيًا الآن في مجموعة الأبحاث، لكن بصورة غير متساوية. فبعض الأعمال يعامل الامتحان الشفهي كجواب سياسي على النزاهة الأكاديمية، وبعضها يصمّم نظامًا آليًا لتقديم الأداء الشفهي أو تصحيحه على نطاق واسع، وبعضها يسأل عمّا يستطيع الكلام نفسه أن يُظهره عن الفهم وما لا يستطيع. والصفحات المرتبطة أدناه تختلف حول مقدار ما يُبرهنه الشفهي فعلًا. وقراءتها مجتمعةً تدعم مزعمًا أضيق وأكثر قابلية للدفاع من الذي يُقال عادةً لأجله.

ما يستطيع الأداء المباشر تصديقه

يُقدّم Fenton (2025) أقوى صورة للحجّة. فبالاستناد إلى الأدبيات في التقييم الأصيل، تقوم حجّة الورقة للامتحان الشفهي على تفاعليته: فالأسئلة يمكن حجبها حتى لحظة الامتحان، ومسابر المتابعة يمكن الارتجال فيها، ولا يستطيع المتعلّم التدرّب على إجابة سؤال لم يره. وتحجب الصيغة أيضًا الحفظ الآلي، لأن الاستدعاء يُفحَص عبر الشرح لا عبر الاستنساخ. والورقة مراجعة وموقف في Educational Researcher، وليست دراسة تجريبية، وتنتهي بثلاث عشرة توصية تنفيذية مرقّمة لا بدليل على تحسّن النتائج.

والصيغة الصادقة لمزعَم النزاهة أضيق مما يُقال غالبًا. فالشفهي يجعل الاستبدال أصعب في الإخفاء؛ ولا تُظهر المجموعة أنه يُقلّل استخدام الذكاء الاصطناعي. ففي دراسة مقابلات مراجعة شيفرة شفهية في CS1، حملت مقابلات ربع ساعة أسبوعية سبعين في المئة من درجة كل مهمة، وظلّت نسبة المحارف الملصوقة إلى المحارف الكلية ترتفع من 61.0 في المئة إلى 68.1 في المئة (p < 0.0001) عبر ثلاثة فصول دراسية، بينما تحرّكت درجات الامتحان بنسبة اثنين في المئة غير دالّة إحصائيًا. وقال تسعون في المئة من الطلاب إن المراجعات حفّزتهم على فهم شيفرتهم فهمًا أفضل، وخمسة وستون في المئة إنها ساعدتهم على تجنّب الاعتماد المفرط على الذكاء الاصطناعي، لكن السلوك المقيس لم يتبع ذلك. فالتقييم الشفهي غيّر ما يمكن إخفاءه، لا ما فعله الطلاب.

فضاء التصميم الذي تغطّيه المجموعة فعلًا

تتنوّع الصيغ في المجموعة تنوّعًا واسعًا في الأتمتة والتزامن، وكلٌّ منها يحلّ جزءًا مختلفًا من المشكلة.

مباشر، بشري، تزامني. فالشهادة الشفهية الحيّة التي فحصها بحث شفهي حيّ على خمسة وثلاثين طالبًا في مرحلة ما قبل الجامعة هي خط الأساس: المعلّم نفسه، والأسئلة نفسها، بتقديم وجهاً لوجه في حال وبتوسط نظام ذكاء اصطناعي في الأخرى. وتظهر شهادة المناقشة للدكتوراه في دراسة نوعية على خمسة عشر باحثًا في مرحلة الدراسات العليا، حيث جادل المشاركون بإزاحة وزن التقييم نحوها بحجة أن الأطروحة أسهل في التزييف وأن المناقشة يلزم أن تُمنح حضوريًا. ويقبل الكتّاب ذلك الاستدلال جزئيًا فقط، إذ إن المناقشة ليست دليلًا بطبيعتها ضد مساعدة الذكاء الاصطناعي.

مسجَّل وغير تزامني. فـالتقييمات الشفهية غير المتزامنة تستبدل القاعة باستجابة بكاميرا ويب محدودة زمنيًا وغير قابلة للمراجعة، بنحو ثلاثين ثانية تحضير ودقيقتين إلى ثلاث دقائق كلام. وفي التجربة المُبلَّغة، تجاوزت الدرجات درجات اختبارات الاختيار من متعدد الحضورية: وسيط منتصف المدة 92.5 مقابل 70 (p < .001) ووسيط الاختبار النهائي 94.2 مقابل 86.4 (p = .002)، مع ارتباطات متوسطة فقط بين الصيغتين. وينسب الكتّاب الفرق صراحةً إلى الصيغة لا إلى التعلّم، وحمل التصميم 7.5 في المئة من درجة المقرر.

التقديم والتصحيح الآليان. فقد قيّم نظام صوتي جُرِّب في صفوف السيارات والهندسة المهنية ثلاثة وثلاثين متعلّمًا، اتفق واحد وعشرون منهم على أن المهمة الصوتية المباشرة بدت واقعية، ولم يعترض أحد على أن الكلام في الوقت الحقيقي لاءم المهمة أكثر من حافظة كتابية. وتباينت أعداد الكلمات للأسئلة المتطابقة بين متعلّم وآخر بمقدار خمسة أضعاف إلى ثمانية، ولم تمنح الطلاقة أي ميزة في الدقّة على المفردات المغلقة، وطابقت درجة أوّلية من فاعلٍ آلي درجة المدرّس البشري في خمسة وتسعين في المئة من تجارب البستنة والألبان المتجاورة. أما الاختبار السقراطي الحواري فيسلك مسار التصميم المعاكس، موجّهًا نحو التساؤل المفاهيمي؛ ودليله مسح تقرير ذاتي على ثمانية وتسعين طالبًا، اتفق فيه 80.6 في المئة على أن الذكاء الاصطناعي أسّ سقالةً فعّالة، وأبلغ اثنان وخمسون في المئة عن إجهاد أقلّ من الامتحانات التقليدية. والورقتان تقيسان القبول لا التعلّم.

الدليل الشفهي كدفاع لا كامتحان. فيُقرن إطار تقييم ثابت تجاه الأداة اختبارات داخلية خالية من الذكاء الاصطناعي بدفاعات شفهية من عشر دقائق عن أعمالٍ معانة بالذكاء الاصطناعي ومجرّدة من التعليقات، تُصحَّح على فهم الشيفرة، وفهم المنهج، والمصطلحات، والتفسير، والتحقّق، مع اشتراط التحقّق للنجاح أيًّا كان المجموع. والتصميم مُجادَل به لا مُتحقَّق منه؛ وحسابه الورقي نفسه لخمسة عشر طالبًا ساعتان ونصف من ساعات التلامس لكل مهمة، ونحو ثماني وعشرين ساعة تلامس للفصل الدراسي عبر إحدى عشرة مهمة مدفوعة.

القلق والتحيّز ومن تُنقصه الصيغة

يُجادَل للشفهي على أسس الشمول، لأن الإجابة المنطوقة أصعب في الشراء من المكتوبة، ويُجادَل ضده على الأسس نفسها. فـFenton يُفصّل التحديات مباشرةً: عبء الجدولة، والقلق، والتحيّز على محاور النوع الاجتماعي والإثنية واللغة وسرعة الإجابة، إضافةً إلى آثار التصحيح غير المجهول. وفي مقابل ذلك، تشير الأدلة التي تستشهد بها الورقة إلى أن الشفهي قد يكون شاملًا كالامتحانات الكتابية، بما في ذلك للطلاب الذين لديهم عُسر القراءة، وأن عدم الألفة أكثر مما تفعله الصيغة نفسها يقود معظم القلق المُبلَّغ عنه؛ فقد كان الطلاب في إحدى الدراسات المستشهد بها أقلّ قلقًا في امتحاناتهم الشفهية اللاحقة.

وحيث يهبط القلق فعلًا، فالسبب مهمّ. ففي الشهادة الشفهية الحيّة المتوسّطة بالذكاء الاصطناعي، كان الهدوء المبلَّغ عنه ذاتيًا أعلى دلالةً إحصائية منه في النسخة الوجها لوجه (بمتوسطي 6.50 مقابل 5.86، t(34) = −1.97، p = .028)، وقُيّمت قابلية الاستخدام بأنها جيدة. لكن شرط الوجه للوجه سجّل درجة أعلى دلالةً إحصائية في مساعدة الطلاب على فهم عملهم هم (p = .004). فإزالة مراقبة المعلّم المباشرة جعلت الطلاب أهدأ، و- بحسب تقريرهم هم - أقلّ إضاءةً لأنفسهم.

وما يُعتبر دليلًا شفهيًا أضيق أيضًا مما يبدو. فـدراسة الدليل المجسَّد في التفسيرات الشفهية تُجادل بأن تصحيح الكلام وحده يخطئ فيعتبر الطلاقة اللفظية معرفةً مفاهيمية، ويُنقص المتعلّمين الذين لديهم صعوبة مرتبطة باللغة، إذ تحمل الإيماءة فهمًا يفقده النص المفرَّغ. وعرضها صغير: طالبَا هندسة يشرحان مفاهيم إحصائية، مع تجمّع الإيماءات عالية الثقة على أفكار معيّنة، وأشكال مربّعة وصندوقية بنحو أربعة وخمسين إلى واحد وستين في المئة، وتنسيق أدقّ بين الإيماءة والكلام يرافق تفسيرات أكثر تماسكًا.

التصحيح والصدق ومشكلة النطاق

ثلاث نتائج تُعارض قراءة درجات الشفهي كمكاسب تعليمية. فـدراسة الصيغة غير المتزامنة تتنصّل من المكاسب التعليمية لميزة درجاتها الخاصة، وتبلّغ عن اتفاق إعادة تصحيح المعلّم مقابل النموذج بلغ ICC 0.73 في منتصف المدة و0.60 في النهائي، وهو ما يحدّ من مقدار ما يمكن الوثوق به في التصحيح الآلي. وفي تجربة عشوائية مضبوطة على مئة طالب طب في السنة الثالثة تُقارن نظام مريض محاكى بمادة حالة بالإفصاح التدريجي، ارتفع أداء الامتحان النهائي (71.8 مقابل 55.6 في المئة، g من Hedges = −0.81) وارتفعت تقييمات تواصل OSCE (3.53 مقابل 2.64 على سلّم من خمس درجات)، بينما كانت دقّة التشخيص الثنائية متطابقة إحصائيًا (84 مقابل 86 في المئة، P = 1.000). فالقراءة المعتمدة على الدقّة وحدها تسمّي التدخّل صفريًا؛ والقراءة المعتمدة على التواصل وحدها تسمّيه مُحوِّلًا.

والقيد الملزم هو الطاقم والعتاد لا التربية، والمجموعة صريحة بشكل غير معتاد في حسابها: ثماني وعشرون ساعة تلامس للفصل الدراسي لخمسة عشر طالبًا، وأحد عشر مساعد تدريس لصفّ يزيد عدد أفراده على مئة في تصميم CS1، وحاسوب محمول واحد يخدم اثني عشر متعلّمًا متزامنًا في نشر التعليم المهني دون اتصال. ولا توجد أي تجربة عشوائية مضبوطة للشفهي مقابل التقييم الكتابي في أي مكان من هذه المجموعة من الأعمال، وكل دراسة تقيس الفارق تصميم من مؤسسة واحدة بلا مجموعة ضابطة. فالتقييم الشفهي مدعوم جيدًا كاستجابة لاستبدال العمل المُعان بالذكاء الاصطناعي، ومدعوم ضعيفًا كتحسين في التعلّم.

• السقف التوسّعي هو القيد التصميمي. فقد أُبلِغ في ورشة عمل ضمّت 73 معلّم حوسبة أن التقييم الشفهي والتفاعلي كان أقوى دليل متاح على الفهم الفردي وأقلّ العلاجات قابلية للتوسّع؛ وكان التخفيفات التي وصفها المشاركون هي التوزيع والمعاينة - مجمّعات مساعدي تدريس مشتركة، وتقييم أقران بوزن أقلّ من امتحان نهائي، ومناداة على مجموعة فرعية متداولة من الطلاب (Akbar et al., 2026).

المفاهيم المتصلة

• الأنماط التربوية — تسلسلات التحقّق الشفهية ومناقشات المناقشة الحيّة، وما تُبرهن عليه وما لا تُبرهنه
• التقويم — الميدان الأوسع الذي تقع فيه هذه الصيغة
• التقويم الأصيل — تقليد التصميم الذي يُقدّم حجّة النزاهة
• صدق التقييم — ما تستطيع الصيغة أن تدّعي قياسه وما لا تستطيع
• النزاهة الأكاديمية — الضغط الذي أعاد الشفهي إلى الواجهة
• التقويم الآلي — التقديم والتصحيح الآليان للأداء الشفهي
• كشف محتوى الذكاء الاصطناعي — الاستجابة البديلة، ولماذا هي أضعف
• تقنيات الكلام والصوت — خط أنابيب الكلام الذي يعمل عليه النظام الشفهي
• الذكاء الاصطناعي متعدد الوسائط — الإيماءة والكلام كدليل مقترن
• القلق والتوتر — الكلفة الانفعالية للأداء المباشر
• التغذية الراجعة — ما تخبر به المناقشة الحيّة متعلّمًا عن فهمه هو
• التعليم العالي — السياق الذي تأتي منه كل هذه الأدلة تقريبًا

المقالات المتصلة

• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — Reconsidering the use of oral exams and assessments (Fenton 2025)
• Asynchronous Oral Assessments: Enhancing Integrity, Engagement, and Communication in the AI Era — Asynchronous oral assessments: integrity, engagement and professional communication
• Designing AI-Supported Oral Assessment in TVET — Designing AI-supported oral assessment in vocational education
• Exploring student anxiety and experience in performance-based assessments using AIvaluate: an LLM-augmented emotionally — Anxiety and experience in AI-mediated performance-based assessment
• Combating Harms of Generative AI in CS1 with Code Review Interviews and a Flipped Classroom — Oral code review interviews in an introductory programming course
• A Multimodal Framework for Embodied Cognition in Oral Explanations — Gesture as evidence in assessing oral explanations
• The Theoretical Foundation of Socratic Tests: Dynamic, Multimodal, Conversational Examinations — Automated conversational testing as oral assessment
• A Tool-Invariant Framework for Teaching and Assessing Computational Methods in the Age of Agentic AI — Oral defenses of AI-assisted work
• Evaluating Scaffolding-Oriented Multi-Agent Large Language Model System for Clinical Interview Training — Spoken clinical interviews under a simulated-patient system
• From Research Assistant to Surrogate Supervisor: A Qualitative Study Exploring PGR Students' Diverse Uses of Generative AI — The doctoral viva under generative AI
• AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI — AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI