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

الوكيل البيداغوجي

تاريخ الإنشاء 2026-10-12

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

تركيب: الوكلاء البيداغوجيون هم واجهات تحادثية مقودة بالذكاء الاصطناعي مدمجة في بيئات التعلّم تستخدم استراتيجيات بيداغوجية (الاستنطاق، والإخبار، والسقالة) لدعم تفاعل المتعلم والتأمل وما وراء المعرفة. تتنوع التصاميم من مقدمي معلومات بسطاء إلى شركاء حوار تفاعليين يتكيفون مع حالات المتعلم.

أسئلة للتأمل

  • تذكّر مرة أعطاك فيها روبوت محاور أو مدرس خصوصي إجابة كاملة لم تزدك حكمة. ما الذي يجعل الذكاء الاصطناعي "يعلّم" لا مجرد "يحل" — ولماذا قد تفشل درجة المعيار القياسي في التقاط ذلك الفرق؟
  • تجد الصفحة أن درجات التدريس "للحل" ودرجات "البيداغوجيا" ترتبط ارتباطًا ضعيفًا فقط عبر النماذج. ما الذي ينبغي أن يخبرك به ذلك عن تقويم مدرس ذكاء اصطناعي على قدرته على الإجابة عن الأسئلة؟
  • بعض التصاميم تمنح الذكاء الاصطناعي أدوارًا متمايزة — مدرس، وزميل صف، وموجّه — وحتى تُبقي الوالد مشاركًا مركزيًا (كما في ParaTutor). في تجربتك، هل يغير منح الوكيل دورًا واضحًا كيفية تفاعل المتعلمين معه؟
  • غالبًا ما "يتجاوز" الطلاب الحقيقيون التأطير البيداغوجي لروبوت محاور عندما تتضارب أهداف الوكيل مع أهداف المتعلم نفسه. لماذا قد يتجاهل متعلّم بإنصاف سقالة جيدة، وماذا يستلزم ذلك عن افتراض "إذا بنيناه سيتفاعلون"؟
  • أتفضّل أن تتعلّم من ذكاء اصطناعي يخبرك بالأشياء، أم من ذكاء اصطناعي يسألك الأسئلة، أم من ذكاء اصطناعي يوسّط مناقشة جماعية؟ كيف يشكّل تفضيلك ما تعتقد أن "الوكيل البيداغوجي" ينبغي أن يكون؟
  • من مقدم معلومات بسيط إلى أسطول من الوكلاء المتخصصين التي تنسّق مقررًا كاملًا — أين ترى القيمة (والخطر) الحقيقيين للتدريس التحادثي بالذكاء الاصطناعي؟

مقدمة

الوكيل البيداغوجي هو مكوّن تفاعلي من الذكاء الاصطناعي داخل نظام تعلّم يُشرك المتعلمين عبر الحوار أو الأسئلة أو المحفزات لدعم العمليات المعرفية وما وراء المعرفية. بخلاف لوحات المعلومات السلبية أو التغذية الراجعة الثابتة، يستخدم الوكلاء البيداغوجيون استراتيجيات تدريس قائمة على الأدلة — مثل استنطاق تقويمات المتعلم الذاتية []] قبل تقديم [feedback|التغذية الراجعة، أو السقالة على حل المشكلات عبر الحوار السقراطي. تغطي المظلة الآن كل شيء من مدرّس ذكي تحادثي واحد إلى أساطيل من الوكلاء متخصصي الأدوار الذين يُحاضرون ويُوجّهون ويُيسّرون التعاون وحتى ينسّقون توليد المقررات، وكل ذلك مؤسس على عقود من أبحاث أنظمة التدريس الذكية.

كيف تُدرَس الوكلاء البيداغوجيون في قاعدة المعارف

تصميم الوكلاء التحادثيين وبنيتهم. خيط متكرر هو كيفية بناء الوكلاء بنيويًا لا فقط النماذج التي تقودهم. يجادل إطار مدرسي الذكاء الاصطناعي التحادثيين أن تقنيات أنظمة التدريس الذكية المُبرهَنة — التقنيات — تتبع المعرفة، وكشف الانفعال، ونمذجة الطالب — ينبغي أن ترسخ المدرسين التوليديين، مابقيةً العمود الفقري التشخيصي بينما يزوّد الذكاء الاصطناعي التوليدي الحوار المرن. تدفع التصاميم متعددة الوكلاء هذا إلى مدى أبعد: يحل MAIC محل نموذج "فيديو واحد لعدد N من الطلاب" في الدورة المفتوحة الضخمة عبر الإنترنت بصف لغوي كبير من وكلاء المدرّس والمساعد وزميل الصف والمحلل لتقديم التعلّم المخصص على نطاق واسع، بينما تضيف LecturaAgents وكيلًا أستاذًا متجسدًا توفّق خوارزمية TASA أفعال التدريس المرئية (الكتابة باليد، والإبراز) مع أنماط المتعلمين. وحتى تدريس الوالدين والأولاد يصبح مسألة وكيلين في ParaTutor، حيث تُبقي السقالة الموزعة بالأدوار الوالد مشاركًا مركزيًا بدلًا من ترك روبوت محاور عام يحلّ محلّهما. تظهر المنطق القائم على الأدوار نفسه في Instructional Agents، حيث يتعاون وكلاء هيئة التدريس والمصمم ومساعد التدريس ورئيس البرنامج عبر ADDIE لتوليد مواد المقرر.

استخدام مكمل للوكلاء القائمين على الأدوار يستهدف ممارسة المعلم لا تعلّم الطلاب: يجمع Mohne et al. (2026) بين شخصيات طلاب بيداغوجية وذاكرة مؤسسة على مواد المقرر الفعلية ومُنطق متحدث نموذجي كبير بوصفه حكمًا حتى يتمرّن المعلمون المبتدئون على شعبة مجموعة صغيرة — 254 جلسة اختيارية بمتوسط نحو 16 دقيقة لكل منها، بتكلفة تقارب 0.05–0.10 دولار للجلسة.

سلوك التدريس مقابل سلوك الحل. نتيجة تجريبية مركزية هي أن إنتاج الإجابات ليس دعمًا للتعلّم. يُظهر قياس ما إذا كان مدرسو النماذج اللغوية الكبيرة يعلّمون أم يحلّون أن درجات الحل والبيداغوجيا في معايير التدريس ترتبط ارتباطًا ضعيفًا فقط (r = 0.421 عبر ثمانية نماذج)، مجادلًا بأن المعايير يجب أن تُبلّغ عن معايير موجّهة للبيداغوجيا — الأسئلة الموجّهة، والتلميحات المعايَرة، والسقالة غير الكاشفة — منفصلةً. يتوافق هذا مع دليل الذكاء الاصطناعي الخاص بالتدريس مقابل العام: المدرسون المصممون بيداغوجيًا مع حواجز الحماية يخففون هبوط درجات الامتحان وقمع الاستدلال اللذين ينتجهما روبوتات المحاورة العامة الخام، مابقين الصعوبات المرغوبة والكفاح المنتج لا يقصّرون بهما. ومع ذلك يمكن للمعايير أن تبالغ في تقدير مدى نجاح مدرسي السقالة حتى في الميدان. يجد إعادة التفكير في السقالة في مدرسي النماذج اللغوية الكبيرة أن الطلاب الحقيقيين يتجاوزون كثيرًا تأطير الروبوت المحاور البيداغوجي، وهو استجابة إنصافية لعدم تطابق بين أهداف الوكيل وأهداف المتعلم نفسه — فيجب تقويم التبني لا افتراضه.

الدور في التدريس والتعاون. يُوضَع الوكلاء على نحو متزايد لا كمُعطي إجابات بل كمُيسّرين ومُوسّطين. يُعيد إطار المُوَسّط البيداغوجي عند Niari النظر في الذكاء الاصطناعي في التعلّم التعاوني بوصفه مُوَسّطًا تفاعليًا ومعرفيًا وتنظيميًا — يسند المشاركة والتنظيم المشترك دون إزاحة وكالة المدرس أو المتعلم. ملموسًا، يتعامل التدريس التعاوني بالذكاء الاصطناعي (ProPACT) مع التعاون نفسه كموضوع للتعليم، متنبئًا بانهيارات الأزواج حتى 30 ثانية مقدّمًا ومقدّمًا سقالات أقل تدخلًا ممكنًا تحافظ على ما وراء المعرفة. يُظهر الاستقصاء المتجسد مع الذكاء الاصطناعي كمُيسّر أن الذكاء الاصطناعي يمكن أن يُكمل بناء النماذج العملي بتيسير تطبيق نموذج مبني، بينما يجد التحليل التجميعي للتعلم اللغوي بمساعدة الروبوتات أن النتائج تتبع كيفية وضع الوكيل الروبوتي في التعليم (التفاعل القائم على المجموعات) أكثر من تطوره التقني. وسؤال ما إذا كان الدور الذي يؤديه الوكيل كافيًا، أم أنه يجب أيضًا أن يُكيّف سلوكه، تطرحه Liao (2026): دراسة "حديث الكتاب" في التعليم الابتدائي وجدت أن رفيق "زميل الطالب" الثابت أدام تفاعلات أطول لكنه كبح وكالة الطلاب ووصل إلى "سقف انفعالي" (تأمل انفعالي/موجه للمستقبل ضعيف)، مجادلةً بأن تصنيف الدور يجب أن يُقرن بمنطق تفاعل يكيّف الدور-ذاتيًا لا بتصميم أحادي الدور متجانس.

يُظهر Ethics Training Agents (Seo et al., 2026) ما يحدث عندما يُطلب من وكيل بيداغوجي أن يُيسّر لا أن يعلّم: مُيسّر نموذجي لغوي كبير يتولى توزيع الأدوار (التراكم بنوافذ رفع يد مدتها 15 ثانية)، وإدارة الوقت (تقدم آلي للمرحلة إلى الختام بعد 9 دقائق)، والتلخيص الدفعي المتزايد، خفّض الحمل المعرفي على المشاركين وأعطاهم إحساسًا بأن المناقشة كانت "على المسار" — وقابل أحد المشاركين ذلك بالمقارنة الإيجابية مع ChatGPT، الذي "قد يبدو في الغالب غير منظم أو يجعل رؤية تقدم الأفكار صعبة". تكشف الدراسة نفسها سقف الوكلاء القائمين على الشخصيات: حُكّم على وكلاء التوجه الأخلاقي الثلاثة المتمايزين بأقل من النظائر البشريين بشكل دالّ في المساهمة والتنوع والتأثير (Kruskal-Wallis p < .001)، وطلب المشاركون مخرجات موجّهة للعملية ("كيف يستدل الوكيل") لا موجّهة للنتيجة.

حيث تُستخدم الوكلاء التحادثية (وحيث لا تُستخدم) — صورة مراجعة المظلات. تُقدّر مراجعة المظلات للوكلاء الذكاء الاصطناعي التحادثيين (Ganguly et al. 2025، 34 مراجعة) استخدام التفاعل التحادثي مع الذكاء الاصطناعي: يتصدر دعم التعليم والتعلّم (97.1% من المراجعات)، والدعم النفسي والدافعي (91.2%)، والتطوير ما وراء المعرفي والشخصي (88.2%)، بينما يتخلف الدعم الإداري (50%)، وإدارة البحث والمعلومات (52.9%)، والدعم الصحي/الطبي (41.2%). وتُنبّه كذلك إلى أن أبحاث التفاعل التحادثي مع الذكاء الاصطناعي تفتقر إرشاد تصميم شامل من البداية إلى النهاية، ومناهج قابلية استخدام خاصة بالتفاعل التحادثي، واستراتيجيات ملموسة لتنسيق الصف في دور المدرس — مؤكدةً أن تصميم الوكيل البيداغوجي يجب أن يكون مؤسسًا على تفاعل الإنسان والحاسوب وقائمًا على الأدلة ومنتبهًا إلى ثقافة الذكاء الاصطناعي.(Conversational AI agents in education: an umbrella review of current utilization, challenges, and future directions)

توجّه الدور متغير تصميمي لا خيار أسلوبي. يعزل مقارنة وكيل الفيزياء (Wang et al. 2026، 59 متعلّمًا) الدور المحدد بالمحفز مع تثبيت النموذج والمنصة ودرجة الحرارة: وكيل يمركز المدرس مؤسس على مصدر كتابي محدد ويجيب من منظور المدرس، مقابل وكيل يمركز الطالب مُهيَّأ بمعرفة فهم الطلاب ومُسكَر لتشخيص المفاهيم الخاطئة وتسمية المفهوم والتحويل إلى حالة مماثلة. فاز الدور المتمركز على الطالب في كل نتيجة مقيسة — أداء الاختبار البعدي، والحمل المعرفي الخارجي الأدنى والداخلي الجرماني الأعلى، وتجربة الانسياب، والتعاطف المُدرَك — وإن كان الوكيل المتمركز على المدرس هو المُحسَّن للدقة والأمانة للكتاب المدرسي. هذا يجعل الدور ونمط التفاعل معامل تصميم من الدرجة الأولى جنبًا إلى جنب مع المحفز واختيار النموذج، ويُظهر أن التعاطف يمكن هندسته من البنية التحادثية لا من نموذج مدرَّب بشكل مختلف (الحوسبة الانفعالية).

نية التأليف لا تضمن البيداغوجيا المُنفَّذة. عندما هيّأ 27 مدرسًا في المرحلة المتوسطة أداة تأليف روبوت محاور موجّهة للمعلم، وجد تقويم 108 تصنيف معايير على مستوى الروبوت أن الردود المولّدة توافقت مع الاستجابة (88.9%) والشخصية (81.5%) أفضل بكثير من القواعد (70.4%) أو الغرض المعلن (59.3%)، وهو ما يُأطّره المؤلفون عبر أشكال نorman البيداغوجية لخليج التنفيذ وخليج التقويم — لم تجعل الضوابط القابلة للتهيئة وحدها النية التعليمية للمدرس مرئية في سلوك الروبوت (Riahi et al. (2026)).

الوكلاء في الإعدادات الغامرة والواقعية الموسعة. يوسّع Ross and Kaspar (2026) المفهوم إلى الواقعية الموسعة (AR، والافتراضية المعززة، وVR) بـ ACLIME، إطار مفاهيمي — بخلاف CAMIL و CATLM-VR و TICOL — يُبقي الوكيل داخل النموذج. يسمّي نمطي تفاعل مستلهمين من الأدبيات: المدرّس، الذي يقدم الإرشاد والتشجيع والتساؤل التأملي والشروح، وشريك تقمص الأدوار، الذي يشغل دورًا معرّفًا داخل سيناريو مثل شخص محلي في رحلة ميدانية حول تغير المناخ أو طرف مفاوض في تدريب مؤسسي. يُعامل جسم الوكيل (من الرأس فقط إلى الجسد الكامل) وسلوكه كسطحين للتصميم: الواقعية البصرية مقابل السلوكية، وتحكم الذكاء الاصطناعي المرن مقابل النص القائم على القواعد الثابت، والكلام المركّب مقابل المسجل مسبقًا، والقنوات غير اللفظية بما فيها النظر والإيماءة والمسافة الشخصية. وتُجادل بأن الغمر والتفاعل القائم على الجسد يضاعفان الإشارات الاجتماعية الكامنة وراء الحضور الاجتماعي — وتُقترح الواقعية السلوكية لا البصرية كالمُنذر الحاسم — بينما يضيف الجسد الافتراضي الخاص بالمتعلم بُعدًا التجسد (ملكية الجسد، ووكالة الجسد الافتراضي الذاتي، والموقع الذاتي) وأثر البروتيوس. المقايضة الصريحة للإطار معرفية: يمكن للغمر ومجرد حضور الوكيل أن يرفعا الحمل المعرفي حتى حين يخفضه التفاعل الاجتماعي مع الوكيل عبر أثر الذاكرة العاملة الجماعية، ويُضاف طبقة زمنية (التعارف، ونضج العلاقات بين الإنسان والوكيل، وتراجع الحداثة، وتطور دوار الفضاء الإلكتروني) إلى متغيرات التصميم المعتادة. وضعه متعمَّد كقابل للمراجعة: بالكاد يوجد عمل تجريبي يختبر الوكلاء البيداغوجيين في الوسائط الغامرة، ونتائج التعلّم طويلة الأمد وكذلك خصائص المتعلمين تقع خارج النموذج.

التقويم والمعايير. قياس وكيل بيداغوجي يتطلب اختبار البيداغوجيا لا المحتوى. يقيس تحدي Teaching Monster المعرفة بالمحتوى البيداغوجي بطلب تكييف الوكلاء درسًا لشخصية متعلم محددة، فيجد الأنظمة قوية على المحتوى وضعيفة في تكييفه — ويكشف أن حكام النماذج اللغوية الكبيرة يُخطئون في ترتيب الأنظمة القوية. يُقيّم EduAgentBench الوكلاء عبر الحكم البيداغوجي المهني، والتدريس الموضوعي متعدد الأدوار، وإتمام سير العمل على هيئة لوحة، مُظهرًا أن النماذج تقصر عن معايير التدريس المهنية. تضيف الخيال التفاعلي المولَّد بالذكاء الاصطناعي زاوية تقويم تصميمية: الاتساق وتكامل الاختبار، لا قدرة التوليد، هما ما يحدّ من الفائدة لـتجربة الطالب. اختبار إجهاد صلابة الشخصية عبر أدوار متعددة. شغّل Shouqi et al. (2026) ست هجمات متصاعدة ضد وكلاء تقمص أدوار بحكم آلي: خفّض الاختبار متعدد الاستراتيجيات الصلابة بمقدار 0.17–0.20 مقابل خط أساس أحادي الاستراتيجية، وتجمّعت الإخفاقات الحرجة بعد الدور 5–6، فتقويمات الأدوار القصيرة أو الأحادية تبالغ في تقدير استقرار الشخصية والالتزام الأخلاقي.

إرشادات عملية

صمّم لوكالة المتعلم لا لراحة النموذج. فضّل حواجز الحماية الخاصة بالتدريس — السقالة، والتلميحات، والتساؤل السقراطي، واستهداف المفاهيم الخاطئة — على توليد الإجابات الخام، إذ إن الحل والتعليم يفترقان. وزّع الدعم بحسب دور المستخدم (الوالد مقابل الطفل، والنظير مقابل النظير) لا عبر واجهة عامة واحدة، وتعامل مع التعاون كهدف صالح للسقالة. لا تفترض أن الطلاب سيتبنون السقالة؛ قيّم التبني في سياقات حقيقية. ابنِ إشراف الإنسان في التأليف — كما يفعل PromptDecipher بجعل ضمان جودة المعلم لردود الروبوت نشاطًا من الدرجة الأولى — واختر الخوادم الخلفية الأرخص حيث تحتفظ الجودة. أبلِغ عن درجات التدريس والحل منفصلة، وتحقق من المحتوى المولَّد مع المستخدمين لا بافتراض أن التوليد مساوٍ للفائدة.

تفضيل المتعلم بديل رديج لجودة السقالة: أدى الطلاب في النمذجة الرياضية المدعومة بالذكاء الاصطناعي أفضل مع أدوار النظير ومساعد التدريس لكنهم قيّموا أدورتي المدرّس الموجِّه والطالب الممتاز بالأعلى في الفائدة والكفاءة الذاتية (Zhu, Yang and Yang (2026)). تُفرّق مراجعة لـ46 دراسة عن وكلاء الذكاء الاصطناعي في التعلّم التعاوني المدعوم بالحاسوب بين السقالة المعرفية والتيسير الاجتماعي وتنسيق التعليم، وتجد مكاسب معرفية متسقة بينما النتائج السلوكية والاجتماعية والانفعالية معتمدة على السياق — فيجب اختيار وظيفة الوكيل للنتيجة التي وُجد لإنتاجها (Ba et al. (2026)).

الروابط بمفاهيم ذات صلة

يقف الوكلاء البيداغوجيون عند تقاطع أنظمة التدريس الذكية (عمودها الفقري التشخيصي من تتبع المعرفة ونمذجة الطلاب) والذكاء الاصطناعي التوليدي/النماذج اللغوية الكبيرة (محرك تقديمهما). يُجرّدون السقالة والتغذية الراجعة، ويستهدفون ما وراء المعرفة والتعلّم الذاتي التنظيم، ويستهدفون التعلّم التعاوني على نحو متزايد. تتكرر هموم السلامة عبر السلامة البيداغوجية وجودة التأليف وخطر أن يُحمّل الوكلاء التعلّم بدلًا من دعمه. ويُقيَّم كل ذلك عبر تقييم AIEd والمعايير التي يجب أن تقيس التدريس لا الحل فحسب.

أهم شيء، تُحاكم الوكلاء البيداغوجيون بـمكاسب تعلّمهم لا بطلاقة ردهم. دليل قاعدة المعارف هو أن الوكلاء ينتجون مكاسب دائمة عندما يُصمَّمون كمدرّبين خاصين بالتدريس مع حواجز حماية — الذكاء الاصطناعي الخاص بالتدريس يتفوق باستمرار على روبوتات المحاورة العامة — ويمكن أن يضروا بالتعلم عندما يحلون محل جهد المتعلم (الاختبار العشوائي المضبوط لحواجز الحماية، الاعتماد على النماذج اللغوية الكبيرة والدرجات). لذا يتطلب قياس مكاسب تعلّم الوكيل مقاييس نتائج غير مساعَدة وقابلة للتحويل، لا أداءً داخل الأداة.

التغذية الراجعة الأفضل ليست هي التعلّم الأفضل: تخصيص وكيل بقواعد معرفة وسير عمل رفع دقة التغذية الراجعة وتحديدها لكنه ترك السلوكيات التنظيمية الذاتية وخبرات التعلّم والنتائج بلا تغيير، وظهرت ميزة مكسبه فقط تحت التغذية الراجعة الموجِّهة (Han et al. (2026)).

مفاهيم مترابطة

مقالات مترابطة

الأسئلة الشائعة المرتبطة

البيانات الوصفية

التخصصStem Education
المستوىHigher Ed, K 12
الجمهور المستهدفLearners
التعلم والتعليمالسقالة, تفاعل الطالب مع الذكاء الاصطناعي
التقنيات والأساليبالذكاء الاصطناعي التوليدي, التدريس الذكي, النماذج اللغوية الكبيرة (LLMs), التعلّم المخصّص
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.