حل المشكلات

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

حل المشكلات — عملية صياغة التحديات الجديدة أو المعقّدة وتحليلها وحلها — هو كفاءة أساسية في القرن الحادي والعشرين يُضخّمها الذكاء الاصطناعي ويُهدّدها معاً. وعبر مقالات قاعدة المعارف، يعمل الذكاء الاصطناعي التوليدي كسقالة وكشريك حواري ومحرّك أجوبة، وتتوقف قيمته التعليمية على ما إذا بقي المتعلّمون صانعي القرار الرئيسيين أم أنزلوا استدلالهم إلى الآلة. وهذا التوتر بين الكفاءة والاندماج المعرفي والتنظيمي الأعمق للاندماج يُعرِّف البحث الحالي حول الذكاء الاصطناعي وحل المشكلات.

أسئلة للتأمل

• فكّر في مشكلة صعبة حقاً حللتها جيداً. ما الذي جعل الكفاح منتجاً، وما الذي كان سيُفقد لو سُلّمك الجواب ببساطة؟
• تصف الصفحة «الدين المعرفي»: إنزال الاستدلال إلى الذكاء الاصطناعي يُنتج المنتج الصحيح على حساب الفهم. هل حصلت يوماً على الجواب الصحيح دون فهمه حقاً؟ ما كانت الكلفة لاحقاً؟
• تُساعد أدوات الذكاء الاصطناعي الطلاب على استكشاف وجهات نظر متعددة وتوليد مشكلاتهم الخاصة — لكنها قد تُشجّع أيضاً «الخمول ما وراء المعرفي». كيف تميّز بين الذكاء الاصطناعي كشريك تفكير والذكاء الاصطناعي كبديل عن التفكير؟
• وجدت تجربة واحدة أن التغذية الراجعة التأملية والهجينة تفوّقت على تغذية الذكاء الاصطناعي المباشرة في الانتقال المتأخر الخالي من الذكاء الاصطناعي. لماذا قد تُفضّي التغذية الراجعة التي تجعلك تبذل جهداً أكبر إلى تعلّم يدوم أطول؟
• كيف يدعم تعليم الطلاب صياغة مشكلاتهم الخاصة (لا حل المشكلات المعطاة فحسب) الانتقال والدراسة الذاتية؟ متى علّمك توليد سؤال أكثر من الإجابة عن سؤال؟
• إذا عُوملت أخطاء الذكاء الاصطناعي كاستفزازات للتساؤل والتحقق، فالقيد يصبح فرصة تعلّم. هل تعلّمت يوماً من خطأ ذكاء اصطناعي أكثر من جوابه الصحيح؟

مقدمة

يُقدّم الذكاء الاصطناعي التوليدي دعماً واضحاً لحل المشكلات. تُساعد أدوات النماذج اللغوية الكبيرة الطلاب على استكشاف حلول بديلة ودمج وجهات نظر بين المجالات ومحاكاة سيناريوهات واقعية أصيلة — مثل المعضلات السريرية والأخلاقية أو اختبار النماذج الأولية في تعليم العلوم والتكنولوجيا والهندسة والرياضيات — مع تقديم تغذية راجعة قابلة للتوسّع وفي الوقت المناسب وتحويل التقويم نحو التقييم القائم على السيناريوهات والكفاءات. وفي البحث التصميمي، أنتج تمركز الذكاء الاصطناعي «كشريك تعلّم ذكي» داخل مهام تعاونية مُنظَّمة مكاسب جوهريّة في أداء حل المشكلات، مع استخدام الطلاب بشكل متزايد للذكاء الاصطناعي في توليد وجهات نظر متعددة بدلاً من طلب أجوبة وحيدة.

ومع ذلك، تستطيع الأدوات نفسها أن تُتلف المهارة التي تدّعي دعمها. ويُظهر البحث في حل المشكلات التعاوني بين الإنسان والذكاء الاصطناعي مقايضة لافتة: فملف التفاعل الذي يحقّق أعلى أداء للمهمة يُظهر أيضاً أدنى تنظيم الذكاء الاصطناعي في التعليم ذاتي، إذ يُنزل الطلاب الاستدلال إلى الذكاء الاصطناعي ويحصدون ما يسمّيه المؤلفون «الدين المعرفي» — الحصول على المنتج الصحيح على حساب العملية البنّاءة الذاتية للفهم. وتحذّر دراسات التعلّم التعاوني بالمثل من «الخمول ما وراء المعرفي»، حيث يُقوّض إنزال الجهد المعرفي التحليل المستقل والتعلّم المُنظّم ذاتياً.

حل المشكلات في بحث الذكاء الاصطناعي في التعليم

تتعامل مقالات قاعدة المعارف مع حل المشكلات بعدسات متمايزة لكن متقاربة. تجد مراجعة منهجية موجَّهة بتوجيهات PRISMA أن النماذج اللغوية الكبيرة تُنتج استجابات ناقصة أو خاطئة غالباً، دافعةً الطلاب إلى التساؤل والتحقق وتحسين المعلومات — محوّلةً نقائص النموذج إلى دورات تحقق وتصحيح تُقوّي التفكير النقدي والاستقلال الذهني. وبدلاً من معاملة المشكلات كمعطاة، تُبرز أعمال أخرى صياغة المشكلات: فـتدريب الطلاب على توليد مشكلات الفيزياء الخاصة بهم يدعم الانتقال والدراسة الذاتية، وروبوتات محادثة الذكاء الاصطناعي التوليدي حسّنت جودة صياغة المشكلات لدى طلاب المرحلة الابتدائية وخفّضت الحمل المعرفي في التعلّم القائم على الاستقصاء.

السقالة والتقويم مركزيان أيضاً. تُعزّز السقال التكيّفية للذكاء الاصطناعي المستنبط من تنقيب تسلسل أنماط عملية الطلاب الفردية الأداء في المهمة في حل المشكلات الرياضي التعاوني في الرياضيات — مع أن السقالة القصوى زادت أيضاً سلوك البرمجة النصية. وعلى جانب القياس، تستطيع النماذج اللغوية الكبيرة أن تُحاكي المقيّمين البشريين في كشف النمو في التفكير الحسابي عبر مقررات الفيزياء الكبيرة، في حين يُقترح التفكير الحسابي كالصمغ المفاهيمي الصريح الذي يجعل الروبوتات التعليمية تُنمّي حل المشكلات الحقيقي لا تمارين تقنية معزولة.

كيف يُساعد الذكاء الاصطناعي ويعوق في الوقت نفسه

الطابع المزدوج للذكاء الاصطناعي في حل المشكلات ثابت عبر الدراسات. وعلى جانب المساعدة، تتفوّق روبوتات المحادثة على محرّكات البحث في صياغة المشكلات بتحسين جودة الأسئلة ودمج الشبكات المعرفية؛ وتحسّن السقال التكيّفية الأداء؛ وتصاميم الذكاء الاصطناعي التعاونية ترفع درجات التفكير النقدي وحل المشكلات معاً بينما يبقى الطلاب صانعي القرار الرئيسيين. وعلى جانب الإعاقة، يُقلّل الإنزال المفرط الاندماج التنظيمي، والتغذية الراجعة المباشرة دون تأمّل تُشجّع الاستيعاب السلبي، والاعتماد الكثيف على الذكاء الاصطناعي لبناء توافق يُهدّد تطور المهارات الشخصية والدافع الذاتي. وعلى نحو ملحوظ، وجدت تجربة معشّاة متعددة المواقع أن تصميمات التغذية الراجعة التأملية والهجينة تفوّقت على تغذية الذكاء الاصطناعي المباشرة في الانتقال المتأخر الخالي من الذكاء الاصطناعي — وهو دليل على أن القيمة التعليمية للذكاء الاصطناعي تعتمد أقل على الوصول وأكثر على الحفاظ على وكالة الطلاب والحكم التقويمي والملكية أثناء المراجعة. ومبادئ التصميم الناشئة من الأدب تشمل إعطاء أولوية للتوتر الحواري على الكفاءة السلسة، وتمكين التنظيم المشترك الاستباقي، والإبقاء على السقالة ما وراء المعرفية وإشراف «العقل في الحلقة».

الانعكاسات

بالنسبة للمربّين، تشير موازنة الأدلة إلى التكامل المُنظَّم المتمركز حول العملية: فتدريب هندسة الموجّهات يحوّل الطلاب من تفاعل ذكاء اصطناعي غير مُركّز إلى تفاعل منتج، ودمج الذكاء الاصطناعي في مهام الاستقصاء التعاونية يُنتج مكاسب دائمة، واستخدام أخطاء الذكاء الاصطناعي بشكل مقصود كاستفزازات يحوّل قيداً إلى فرصة تعلّم. وبالنسبة للمصممين، تُحاجّ النتيجة الثابتة بأن الكفاءة لا تساوي التعلّم العميق لصالح ذكاء اصطناعي يتساءل ويتحدّى ويساند بدلاً من أن يُجيب. وبالنسبة للمؤسسات، يتطلب التكامل المسؤول مزاوجة الذكاء الاصطناعي التوليدي بتدريب صريح على ثقافة الذكاء الاصطناعي وسلالم تقييم تُكافئ الاستدلال والتبرير على المنتجات الصحيحة. والموضوع المتكرر عبر الأعمال المؤسَّسة على علم النفس المعرفي هو أن حل المشكلات يُتعلّم عبر الاندماج الجهدي — ودور الذكاء الاصطناعي ينبغي أن يكون الحفاظ على ذلك الجهد لا محوه.

الصلة بمفاهيم أخرى

حل المشكلات هو النتيجة التطبيقية لـالتفكير النقدي والتفكير الحسابي، ويُنمّى عبر أطر التعلّم القائم على المشكلات والتعلّم القائم على الاستقصاء. ويعتمد على السقالة تُبقي الطلب المعرفي، وعلى إشراف التنظيم الذاتي وما وراء المعرفة لتجنّب إنزال الحمل المعرفي، وعلى هياكل تعاونية يعمل فيها الإنسان والذكاء الاصطناعي معاً. ويُوفّر علم النفس المعرفي وأدب انتقال التعلّم الأساس النظري لسبب إنتاج المشكلات المُولَّدة من المتعلّم والتغذية الراجعة التأملية مكاسب حل مشكلات أكثر دواماً. وموازنة الأمثلة المحلولة مقابل الممارسة لاكتساب مثل هذه المهارات ذاتها معتمدة على المحتوى: يُظهر راتشاتاسومريت وكودينغر وكارفالو (2025) أن مهارات حل المشكلات القابلة للتعميم تُتعلّم أفضل عبر الممارسة المُدمجة بالأمثلة (تبديل الأمثلة المحلولة بالمشكلات)، لأن الأمثلة المحلولة تُوفّر المعلومات الاستقرائية اللازمة لاكتساب قاعدة صحيحة وتعميمها، في حين تُخاطر الممارسة الصرفة بتقوية خصائص مترابطة زائفاً لا بالإجراء العام.

محاكاة حل المشكلات التعاوني بوكلاء نماذج لغوية كبيرة

• محاكاة حل المشكلات التعاوني بوكلاء النماذج اللغوية الكبيرة (LLMs) خاصين بالمشاركين. يُدرّب فانغ (2026) وكلاء نماذج لغوية كبيرة فرديين على حوار مشاركين حقيقيين لإعادة إنتاج حل المشكلات التعاوني، ويُصادق على المحاكاة بـتحليل الشبكة المعرفية، مُظهراً أن الحوارات المُحاكاة والحقيقية غير قابلة للتمييز إحصائياً (مسافة ENA 0.17؛ p الإبدال = 0.65). وهذا يُوفّر طريقة قابلة للتوسّع لدراسة خطاب حل المشكلات التعاوني الأصيل وتوليده — بانعكاسات على البحث وعلى تصميم بيئات الممارسة لهذه المهارة من القرن الحادي والعشرين.

الترميز الآلي لمهارات حل المشكلات التعاوني

• يتطلب قياس كفاءة حل المشكلات التعاوني (CPS) عادةً ترميز السلوك من بيانات عملية المهام المُحاكاة إلى مهارات حل مشكلات تعاوني محددة. ويمكن لـالموجّهات الواعية بالسياق للنماذج اللغوية المُدرَّبة مسبقاً أن تؤتمت هذا الترميز، مُنمذجةً التبعيات السياقية ودامجةً القدرات المعرفية والاجتماعية لتحقيق أداء متفوق على خطوط أساس قوية في مجموعات بيانات مهام حل المشكلات التعاوني — معالِجاً كثافة الجهد في الترميز اليدوي ومُمكّناً التقويم واسع النطاق في الزمن الحقيقي.

المفاهيم المرتبطة

• التفكير النقدي
• التفكير الحاسوبي
• التعلّم التعاوني
• التعلّم القائم على المشكلات
• التعلّم القائم على الاستقصاء
• الإبداع
• السقالة
• التعلّم موجّه الذات
• علم النفس المعرفي

المقالات المرتبطة

• Unpacking Interaction Profiles and Strategies in Human-AI Collaborative Problem Solving: A Cognitive Distribution and Regulation Perspective — ملفات التفاعل (الاستدلال المُنزَل مقابل التفسير المتضافر) والمقايضة بين الكفاءة والتنظيم
• Design-Based Research for Developing an AI-Assisted Collaborative Learning Model to Enhance Critical Thinking and Problem-Solving Skills in Higher Education — نموذج بحث تصميمي يُمركز الذكاء الاصطناعي التوليدي كشريك تعلّم ذكي
• Can Large Language Models Foster Critical Thinking, Teamwork, and Problem-Solving Skills in Higher Education?: A Literature Review — مراجعة PRISMA للنماذج اللغوية الكبيرة التي تُنمّي التفكير النقدي والعمل الجماعي وحل المشكلات
• Towards an adaptive AI scaffold for developing student collaborative problem solving — سقال تكيّفية مستنبطة من تنقيب التسلسل لحل المشكلات التعاوني
• Exploring Students' Perceptions of Using Generative AI-Assisted Problem Posing — صياغة المشكلات كاستراتيجية تعلّم مُنظّم ذاتياً مع الذكاء الاصطناعي التوليدي
• Human-centered GenAI feedback design in higher education: a multisite experiment on direct, reflective, and hybrid approaches to scientific argumentation — التغذية الراجعة التأملية/الهجينة تتفوّق على الذكاء الاصطناعي المباشر في الانتقال المتأخر
• Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science — روبوتات المحادثة تُحسّن صياغة المشكلات لدى طلاب المرحلة الابتدائية في التعلّم القائم على الاستقصاء
• Using LLMs to Detect Growth in Computational Thinking in Introductory Physics — النماذج اللغوية الكبيرة كمُقيّمين قابلين للتوسّع لحل المشكلات الحسابية في الفيزياء
• Taming the Black Box: Design Principles for Rule-Integrated LLM Tutoring Systems in Primary School Mathematical Problem Solving — السقالة الموجَّهة بالقواعد مقابل العشوائية في نظام تدريس بالنماذج اللغوية الكبيرة لرياضيات المرحلة الابتدائية (لو وآخرون 2026)
• Evidence and Theory for why the Best Example-Problem Ratio To Optimize Learning Gain Depends on Knowledge Content