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

التعلّم القائم على المشكلات

تاريخ الإنشاء 2026-10-12

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

التعلّم القائم على المشكلات (PBL) — بيداغوجيا محورها المتعلّم يكتسب فيها الطلاب المعارف والمهارات بسعيهم لفهم مشكلة واقعية غالباً غير منظّمة وحلّها، مع ميسّر يوجّه الاستقصاء بدلاً من تقديم التعليم. وفي عصر الذكاء الاصطناعي، برزت السمات البنيوية للتعلّم القائم على المشكلات — الاستقصاء المحوره المشكلة، وبناء المعرفة التعاوني، والتيسير لا التعليم، والتأمل ما وراء المعرفي — بوصفها الشروط ذاتها التي يصبح في ظلها دمج الذكاء الاصطناعي التوليدي منتجاً تربوياً لا بديلاً.

أسئلة للنظر فيها

  • في التعلّم القائم على المشكلات، المشكلة هي محرّك المنهج — لا مثالاً على محتوى يُدرَّس في مكان آخر. هل تتذكر مرة تعلّمت فيها شيئاً بعمق لأنك كنت تحلّ مشكلة حقيقية أولاً؟
  • تؤكد الصفحة أن سمات التعلّم القائم على المشكلات (الاستقصاء المحوره المشكلة، والتعاون، والتيسير، والتأمل) هي بالضبط الشروط التي يصبح في ظلها الذكاء الاصطناعي شريكاً منتجاً لا اختصاراً. لماذا قد يكون ذلك؟
  • يقطع الذكاء الاصطناعي الرابط بين مخرج مقدَّم والجهد الذي أنتجه — مشكلة "المخرج كوكيل". كيف يساعد تقويم السيرورة بدلاً من المنتج فحسب، وما الذي يجعل تقويم السيرورة عسيراً؟
  • نشأ التعلّم القائم على المشكلات في التعليم الطبي جزئياً لأن الكفاءة المهنية تحتاج حكماً تكيفياً لا تنفيذاً روتينياً. ما الفرق بين الاثنين، وكيف يغيّر الذكاء الاصطناعي أيّهما ندرّب عليه؟
  • إذا كان الذكاء الاصطناعي يستطيع الآن جعل "المشكلات الشائكة" وحالات العالم الواقعي المركّبة متاحةً لعدد أكبر من الطلاب، فما الذي قد يُفقد حين يصير التحدي أسهل منالاً؟
  • أين ينبغي أن يرسم الذكاء الاصطناعي في سياق التعلّم القائم على المشكلات الخط بين إعطاء مشكلة أو تلميح أو إجابة؟ وما الذي يحدد أيّها الحركة الصحيحة في أي لحظة؟

مقدمة

نشأ التعلّم القائم على المشكلات في التعليم الطبي (جامعة ماكماستر، الستينيات) وانتشر منذ ذلك الحين في المهن الصحية والهندسة وK-12. ويتحمل المتعلّم مسؤولية تشخيص حاجاته التعلّمية وتحديد الموارد وبناء الحلول، بينما يسند الميسّر السيرورة. والادعاء المميز للتعلّم القائم على المشكلات أن المشكلة هي محرّك المنهج — لا مثالاً على محتوى يُدرَّس في مكان آخر بل السياق الذي يُتعلَّم فيه المحتوى.

التعلّم القائم على المشكلات في عصر الذكاء الاصطناعي

يُظهر بحث قاعدة المعارف أن التعلّم القائم على المشكلات صار نقطة تركيز للتفكير في دمج الذكاء الاصطناعي المنتج.

  • الشروط البنيوية للتعلّم القائم على المشكلات تجعل دمج الذكاء الاصطناعي منتجاً. يؤكد Rowe (2026) أن السمات الجوهرية للتعلّم القائم على المشكلات — الاستقصاء المحوره المشكلة، والبناء التعاوني، والتيسير، والتأمل ما وراء المعرفي — هي بالضبط الشروط التي يعمل في ظلها الذكاء الاصطناعي شريكاً في التطوير المهني لا اختصاراً حوله. والمواءمة بنيوية لا رجعية: فقد صُمّم التعلّم القائم على المشكلات حول هذه الشروط قبل وجود الذكاء الاصطناعي، مرتكزاً على إدراك أن الكفاءة المهنية تتطلب حكماً تكيفياً لا تنفيذاً روتينياً.
  • يرفع الذكاء الاصطناعي السقف على تعقيد المشكلة. تقول الحجة ذاتها إن الذكاء الاصطناعي يوسّع فئة المشكلات التي يستطيع التعلّم القائم على المشكلات الاشتباك معها، جاعلاً "المشكلات الشائكة" وحالات العالم الواقعي المركّبة متاحةً لطلاب لم يكونوا يبلغونها سابقاً.
  • مشكلة المخرج كوكيل. يقطع الذكاء الاصطناعي الرابط بين مخرج مقدَّم والاشتباك الذي أنتجه — مشكلة يجيد التعلّم القائم على المشكلات معالجتها لأنه يقوّم السيرورة والفهم المُظهر لا المنتج فحسب. وهذا يربط التعلّم القائم على المشكلات بـالتقويم الأصيل والتقويم القائم على السيرورة وأدبيات الاعتماد المفرط في قاعدة المعارف.

ويُبقي التحليل البعدي الأوسع الذي يجمّع التعلّم القائم على المشكلات المدعوم بـGenAI مع التعلّم القائم على المشاريع أداء المنتج والحل في نموذج منفصل بالضبط لأنه يقيس مخرجاً تعاونياً بين الإنسان والذكاء الاصطناعي لا تعلماً مُستدمَناً، وهذا التقدير هو أكبرها مما يُبلّغ المراجعون (g = 1.958) مع أنه يرتكز على ست دراسات فقط ويحمل فترة تنبؤ بنسبة 95% تقريبية [−0.740, 4.656] تعبر الصفر — الصورة الكمية لتحذير المخرج كوكيل أعلاه (Chen et al. 2026).

  • ChatGPT كـسقالة تكيّفية. يُظهر La Sunra et al. (2026) ChatGPT مُدمجاً كسقالة تكيّفية ضمن إطار للتعلّم القائم على المشكلات المعزّز بالذكاء الاصطناعي لتحسين التفكير النقدي والتعلّم المخصص في K-12 (120 تلميذاً في الصف الثامن). وهذا يعامل الذكاء الاصطناعي بوصفه دعماً داخل التعلّم القائم على المشكلات لا آلة إجابات.
  • يمكن لوكيل يُدخل الجدل أن يواجه التفكير الجماعي. طرح وكيل GenAI منظورات جدلية في ثلاث نقاط محددة في جلسة تعلّم قائم على مشكلات بينية المهن، وأفاد الطلاب أن دحضه منحهم وسيلةً مقبولةً اجتماعياً للتصريح، مع تحريض الخلاف على التأمل حتى حين رفضوا ردود الوكيل (Wiss et al. (2025)).
  • أدلة شبه تجريبية من إعداد معلمي المستقبل. قارن Chen وOsman (2026) وحدة CTD-PBL مدعومةً بالذكاء الاصطناعي مدتها ثمانية أسابيع بتعليم تقليدي لـ130 مدرّس فيزياء في المستقبل من السنة الثالثة (65 في كل شرط)، مع استخدام DeepSeek عبر قوالب مطالبات خاصة بالمهمة كسقالةً محدودة — توليد أفكار الدروس، وتنظيم الموارد، ومقارنة الشرح، ومطالبات تغذية الأقران الراجعة، وتخطيط المراجعة — مع إلزام كل مخرج للذكاء الاصطناعي باجتياز تحقق مقابل دقة المحتوى وملاءمته البيداغوجية وقابليته للتنفيذ والأخلاقيات قبل دخوله مخرجاً تعليمياً. وأبلغت مجموعة الوحدة عن TPACK أعلى بعد الاختبار (M = 4.04 مقابل 3.40، d = 1.02) وعن حل مشكلات تعاوني مُدرَك أعلى (M = 3.62 مقابل 3.05، d = 0.88)، وأكبر آثار التفاعل وقعت على بناء المعرفة المشترك والتنظيم الاجتماعي — وهي بالضبط أبعاد السيرورة التعاونية التي يتنبأ لها الحكم البنيوي أعلاه بأن الذكاء الاصطناعي يقوّيها لا يقصرها. والمؤلفون صريحون بأن الذكاء الاصطناعي لم يُفرد كمستقل مستقل: إذ يلتصق التغير التفاضلي بشرط المهام القائمة على المشكلات والتعاون المنظم وتساند المدرّس وتغذية الأقران الراجعة والمراجعة التأملية كله، وكانت النتيجتان إدراكات مُبلَّغ عنها ذاتياً لا ممارسةً ملاحَظة.
  • أطر الاستخدام المسؤول. يُقدّم Uden وHwang (2026) إطار LEARN المستنَد إلى علوم الأعصاب (التعلّم مدى الحياة، والمشاركة، والمعالجة النشطة، والتأمل، والتصميم القائم على الأعصاب) لتأسيس استخدام الذكاء الاصطناعي التوليدي أخلاقياً ضمن التعلّم القائم على المشكلات، مواجهين التفريغ المعرفي وتقويض النزاهة.
  • تطبيقات المجال. تستخدم أطر التعلّم القائم على المشكلات لـالهندسة الطبية الحيوية GenAI للتلخيص ودعم الترميز مع حزم إعادة الإنتاج (Nnamdi et al. 2026)؛ ويعزّز التعلّم القائم على المشكلات المدعوم بالذكاء الاصطناعي التفكير الحاسوبي في الروبوتات (التعلّم القائم على المشكلات المدعوم بالذكاء الاصطناعي للتفكير الحاسوبي)؛ وتدعم المرضى الافتراضيون المُمكَّنون بـgenAI دروس أخذ التاريخ الطبي (Mool et al. 2026).
  • توليف الأدلة. يُراجع Amdan et al. (2026) بمنهجية 50 دراسة (2015–2024) عن اشتباك المربّين بالذكاء الاصطناعي في التعلّم القائم على المشكلات ضمن إطار تفاعل الإنسان والحاسوب.
  • GenAI في التعلّم القائم على المشكلات القائم على السيناريوهات. يُدرج Neto وزملاؤه (2026) التعلّم القائم على المشكلات ضمن المقاربات القائمة على السيناريوهات في مراجعتهم المنهجية لـGenAI في تعليم الرعاية الصحية، مكتشفين أن تصميم المطالبات يعمل مواصفةً تعليمية وأن التعاون الهجين بين الإنسان والذكاء الاصطناعي يتفوّق على المقاربات الآلية الكاملة. وتسلط المراجعة الضوء على الحاجة إلى مواءمة أقوى للمحتوى المولّد مع الأطر التعليمية وممارسات مطالبات أكثر قابلية لإعادة الإنتاج في سياقات التعلّم القائم على المشكلات.
  • يستطيع الذكاء الاصطناعي حمل توصيل المعرفة من المعلّم لا التنظيم الاجتماعي لتعلّم المجموعة. في تجربة شبه تجريبية في الصيدلة دامت أربعة أسابيع، وجد Shetty & Rao (2026) أن التعلّم القائم على المشكلات بوساطة الذكاء الاصطناعي طابق المكاسب الأكاديمية التي يقودها المعلّم البشري (p = 0.474 بين المجموعتين)، بينما احتفظت المجموعات بقيادة المعلّم بأفضليات في ديناميكا المجموعة (26.51 مقابل 24.74، p = 0.035) والتفكير النقدي (14.75 مقابل 13.09، p < 0.001).

التعلّم القائم على المشكلات مقابل البيداغوجيات ذات الصلة

التعلّم القائم على المشكلات قريب الصلة بـالتعلّم القائم على المشاريع — كلاهما محوره المتعلّم ومحرّكهما المشكلة/السياق — لكن التعلّم القائم على المشكلات يتمركز على مشكلة غير منظّمة يتطلب حلّها استقصاءً وبناء معرفة، في حين يتمركز التعلّم القائم على المشاريع على إنتاج مخرج أو مشروع ملموس. والتعلّم القائم على المشكلات قريب أيضاً من التعلم القائم على الحالات والتعلّم القائم على الاستقصاء، اللذين يتشاركان البنية المحورها المشكلة والموجَّهة بالتيسير. وفي رسم قاعدة المعارف، تنطبق الحجة البنيوية لدمج الذكاء الاصطناعي المنتج على أي بيداغوجيا تتشارك هذه السمات، لا على التعلّم القائم على المشكلات وحده.

لماذا يهم التعلّم القائم على المشكلات لدمج الذكاء الاصطناعي

لأن التعلّم القائم على المشكلات يُقدّم السيرورة والتعاون والفهم المُظهر على إنتاج المخرجات، فهو موطن طبيعي لـاستخدام الذكاء الاصطناعي المسؤول: إذ يتعلم الطلاب مع الذكاء الاصطناعي شريكاً بدلاً من منه بديلاً. ودور الميسّر وتصميم المشكلة هما الرافعتان اللتان تحدّدان ما إذا كان الذكاء الاصطناعي يدعم التعلّم أو يُزيحه — وهي هموم الإشراف البشري وتصميم التقويم ذاتها التي تتكرر عبر قاعدة المعارف.

الفشل المنتج والتعلّم القائم على المشكلات

يتشارك الفشل المنتج (PF) قلب التعلّم القائم على المشكلات البنائي — إذ يُشتبك المتعلمون بالمشكلات قبل التعليم — لكنه يختلف في البنية: فالفشل المنتج يكبح التعليم والسقالات عن قصد حتى بعد أن يكافح المتعلمون لتوليد الحلول، في حين يدمج التعلّم القائم على المشكلات التيسير على مداه. وأدبيات الفشل المنتج في عصر الذكاء الاصطناعي تُفيد مباشرةً كيف ينبغي للذكاء الاصطناعي أن يتصرف داخل الأوساط القائمة على المشكلات: يُظهر Kim et al. (2026) أن الذكاء الاصطناعي ينبغي أن يحفظ الكفاح المنتج بدعم غير موجَّه عبر أطوار الفشل المنتج؛ ويُظهر Puech et al. (2025) أن نماذج اللغة الكبيرة المدرّسين يمكن توجيههم لكبح الإجابات واستدعاء محاولات حل متعددة؛ ويستخدم ProductiveMath الذكاء الاصطناعي للمساعدة في تصميم مسائل عالية الجودة على طراز الفشل المنتج/التعلّم القائم على المشكلات. وسؤال التصميم — متى ينبغي للذكاء الاصطناعي أن يُعطي مشكلة أو تلميحاً أو إجابةً — مشترك بين البيداغوجيتين.

المفاهيم المرتبطة

المقالات المرتبطة

البيانات الوصفية

التخصصMedical Education, Engineering Education
المستوىHigher Ed
التعلم والتعليمالتعلُّم النشط, التعلّم التعاوني, السقالة
التقنيات والأساليبالذكاء الاصطناعي التوليدي
أساسيات الذكاء الاصطناعي في التعليمالتفكير النقدي
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.