الذكاء الاصطناعي المدرك للقياس النفسي

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

الذكاء الاصطناعي المدرك للقياس النفسي — أنظمة تقييم بالذكاء الاصطناعي مواءَمة لنظرية القياس — هو المعيار الذي يتقدم به معايرة نماذج لغوية كبيرة نفسية القياس، وتنبؤ صعوبة المفردات بالنماذج اللغوية الكبيرة، وتقييم الذكاء الاصطناعي الواعي بالثقة، ونظرية الاستجابة للمفردة: فالتقييم المُعايَر والواعي بعدم اليقين بالذكاء الاصطناعي يحفظ الموثوقية والصدق بدل أن يُحلّ ثقة النموذج الخامة محل الدليل النفسي القياسي.

أسئلة للتفكر

يصحّح الذكاء الاصطناعي جواب طالب ويُبلّغ عن درجة ذات صيت واثق. فعلى أي أساس تثق بذلك الرقم — وهل يتغيّر جوابك حين تعلم أن النموذج لم يُعايَر مقابل أي معيار قياس؟
تحذّر الصفحة من إحلال ثقة النموذج الخامة محل الدليل النفسي القياسي. ففكّر في مرة صدّقت فيها مخرَج ذكاء اصطناعي واثق تبين أنه خاطئ. فما الذي جعل ثقته غير مكتسبة، وكيف كان سيبدو المخرَج «الواعي بعدم اليقين» بدلًا منه؟
وجد البحث أنه على أداة التقييم نفسها، تتباعد بنيتا الردود البشري وبنموذج لغوي كبير — أي أن نموذجًا قد يُسجّل جيدًا ومع ذلك يقيس شيئًا مختلفًا عما يقصده الامتحان. فلو كنت معلّمًا تستخدم مصحّحًا بالذكاء الاصطناعي، فكيف تكشف قطّ أن الاختبار «يعني» شيئًا مختلفًا للآلة عما يعنيه لطلابك؟
يستخدم تنبؤ صعوبة المفردات النماذج اللغوية الكبيرة لتقدير مدى صعوبة سؤال. وقبل القراءة، تأمل: هل «ما مدى صعوبة هذا السؤال؟» حقيقة عن السؤال أم عن الأشخاص (أو النماذج) الذين يجيبون عنه — وماذا يترتب على هذا الغموض لاستخدام الذكاء الاصطناعي في معايرة الامتحانات؟
المعايرة والموثوقية والصدق مفاهيم قياسية لها معانٍ دقيقة. فأيًّا منها فكّرت فيه فعلًا في ممارستك التقييمية، وأين قد تكون معتمدًا على مخرَج ذكاء اصطناعي لم يُختبر قطّ مقابلها؟
ولـإداري أو مطوّر: إذا كانت أداة تقييم بالذكاء اصطناعي تنظر في شرائها تُبلّغ عن الدقة الخامة وحدها، فما الأسئلة المحددة التي تطرحها الآن على مورّدها قبل نشرها مع طلاب حقيقيين؟

مقدّمة

مع تزايد تصحيح أنظمة الذكاء الاصطناعي للردود وتنبؤها بالصعوبة وتقديمها التغذية الراجعة، فإن الخطر الجوهري هو أنها تُبلّغ عن مخرَجات ذات صيت واثق لم تُتحقق مقابل مبادئ القياس. ويعالج الذكاء الاصطناعي المدرك للقياس النفسي ذلك بتأصيل تقييم الذكاء الاصطناعي في علم القياس النفسي الراسخ — معايرة المخرجات، وتقدير عدم اليقين كمًا، والحفاظ على معايير الصدق والقياس التربوي بدل الاعتماد على الدقة الخامة أو الثقة المُبلَّغ عنها ذاتيًا.

كيف يظهر الذكاء الاصطناعي المدرك للقياس النفسي في البحث

المعايرة والثقة: يضمن التقييم الواعي بالثقة والمعايرة النفسية القياسية للنماذج اللغوية الكبيرة أن يُبلّغ الذكاء الاصطناعي عن درجات ذات معنى وواعية بعدم اليقين بدل تقديرات نقطية مفرطة الثقة.
ثقة النموذج ليست كافية. على SciEntsBank، أخفقت الثقة اللفظية والكامنة والقائمة على الاتساق كلها في الفصل بين الإجابات القصيرة الصحيحة والخاطئة؛ وأفضل معايرة جاءت من إضافة عدم يقين حتمي مشتق من مجموعة البيانات — إنتروبيا العنقودية للردود المُدمَجة — عبر غابة عشوائية إضافةً إلى معايرة بلات، مما أتاح التصحيح الآلي الانتقائي والمراجعة البشرية (Cong et al. (2026)).
علامات الثقة تُرتّب أولويات المراجعة لا القبول. في تصحيح الفيزياء المكتوب بخط اليد وعالي الأهمية، تابعت علامات ثقة الذكاء الاصطناعي خطأ درجة أدنى بكثير على الأجزاء عالية الثقة، ومع ذلك بقي بعض الأجزاء عالية الثقة وغير المُعلَّمة مخالفًا للعلامات الرسمية، فالعلامات مفيدة لأولوية مراجعة الممتحِن لا لإجازة القبول الآلي (Pathak et al. (2026)).
تنبؤ الصعوبة: يُظهر تنبؤ صعوبة المفردات كيف يجب التحقق من تقديرات النماذج اللغوية الكبيرة مقابل النماذج النفسية القياسية (انظر نظرية الاستجابة للمفردة). ويُقدّم Razavi و Powers (2026) عرضًا واسع النطاق: عبر 5,170 مفردة رياضيات وقراءة من رياض الأطفال إلى الصف الخامس مُعايَرة وفق نموذج Rasch لنظرية الاستجابة للمفردة، ارتبطت تقديرات GPT-4o للصعوبة في حالة الصفر تصويرًا ارتباطًا وسطيًا إلى قوي بالصعوبات الحقيقية (r = 0.83 للرياضيات، وr = 0.81 للقراءة) لكنها كانت غير متساوية بين الصفوف، في حين بلغ نهج قائم على السمات (سمات مستخلصة بالنماذج اللغوية الكبيرة إلى نماذج شجرية) ارتباطات تصل إلى r = 0.87. وأهمية السمات القابلة للتفسير في الدراسة (مستوى الصف وعدد الكلمات أعلى مُتغيّرات تنبؤية) وسير عملها العملي من سبع خطوات يوضّحان كيف يمكن تشغيل الذكاء الاصطناعي المدرك للقياس النفسي — بينما تُبرز نتيجة تقييد المدى للصفوف المبكرة وتحفّظاتها على قابلية التعميم الحاجة إلى التحقق من تقديرات النماذج اللغوية الكبيرة مقابل معاملات نفسية قياسية مُطابَقة.
استعادة منحنى ليست استعادة كل معامل. قدّر نموذج متعدد الوسائط مُعدَّل بإحكام كـمستجيب مُحاكى صعوبة مفردة محتجزة خارجًا بـr = 0.85 واستعاد معامل التخمين عند 0.48، لكن التمييز كان ضعيفًا عند 0.31 — فأي معامل تستعيده طريقةٌ ما هو النتيجة نفسها (Ormerod & Kim, 2026).
صدق القياس: يرتبط المفهوم بـصدق التقييم والقياس التربوي، وهما الإطاران اللذان يُعرّفان شكل التقييم الصادق والموثوق بالذكاء الاصطناعي.
صدق البنية الكامنة: يُظهر Strugatski et al. (2026) أن موقفًا مدركًا للقياس النفسي يجب أن يتحقق أيضًا من أن تقييمًا ما يقيس البنية الكامنة نفسها في النماذج اللغوية الكبيرة كما يقيسها في البشر. فلأن بنيات عوامل الردود بالنماذج اللغوية الكبيرة والبشرية تتباعد على الأدوات نفسها، قد لا تقيس حتى النماذج المُسجِّلة جيدًا البنية التي يُفترض بالامتحان أن يقيسها — وهو تحفّظ لأي تقييم بالذكاء الاصطناعي يستعير أدلة صدق بشرية.
قد تقيس تسمية أكثر أو أقل مما تُسمّيه. فأدخل تضمين 55 بنية و272 مفردة من أدوات ثقافة الذكاء الاصطناعي الاثنتي عشرة أزواج jangle (التسمية نفسها، قياسٌ مختلف) وأزواج jingle (تسميتان مختلفتان، صياغة متطابقة تقريبًا)، فاستعاد موثوقيةً عند r = 0.49، وهو فحصٌ سابق للجمع يتحقق من بقاء تميز البنى في صياغة المفردات (He et al. (2026)).
خطوط أنابيب القدرة الكامنة ووضع المعايير: يُقدّم Curi et al. (2026) قالبًا ملموسًا للتصحيح المدرك للقياس النفسي في امتحان وطني: فلا تُجمع درجات مفردات سلم التقدير مباشرةً أبدًا بل تُدخل في نموذج نظرية الاستجابة للمفردة تُقطع تقديرات قدرته الكامنة بطريقة وضع معيار Bookmark إلى Proficient / Close to Proficiency / Insufficient، مع اشتراط النجاح قسمين على الأقل بتصنيف Proficient والثالث على الأقل بتصنيف Close to Proficiency. وأعاد المؤلفون إنتاج ذلك الخط في صورة آلية (باحتمال 67% للإجابة الصحيحة على 7 مفردات على الأقل من مفردات سلم التقدير للقطع الأدنى وعلى 10 على الأقل للأعلى)، فأمكن مقارنة درجات مفردات الذكاء الاصطناعي والبشر مقابل معايير قرار متطابقة لا على الاتفاق الخام وحده.

الروابط

يجلس الذكاء الاصطناعي المدرك للقياس النفسي عند تقاطع القياس التربوي وصدق التقييم ونظرية الاستجابة للمفردة وتقييم الذكاء الاصطناعي الواعي بالثقة. وهو مركزي لـتقويم تدخّلات الذكاء الاصطناعي في التعليم (ما إذا كان تقييم الذكاء الاصطناعي جديرًا بالثقة) ويرتبط بـالنماذج اللغوية الكبيرة (LLMs)-القائم على التقييم الآلي والتصحيح الآلي. ويخاطب تأكيده على الصدق أيضًا حدود القياس في بحوث الذكاء الاصطناعي في التعليم.

المفاهيم المتصلة

المقالات المتصلة

A Human-in-the-Loop Framework for AI-Assisted Scoring in Large-Scale Writing Assessment — إطار بمشاركة الإنسان للتصحيح المُساعَد بالذكاء الاصطناعي في تقييم كتابة واسع النطاق
Do Assessment Instruments Measure the Same Thing for Humans and LLMs? A Latent Structure Analysis — هل تقيس أدوات التقييم الشيء نفسه للبشر والنماذج اللغوية الكبيرة؟ (Strugatski et al. 2026)
Aligning LLM-Simulated and Human Examinees for Psychometric Calibration: A Cognitive Diagnostic Profiling Approach — مواءمة تقييم النماذج اللغوية الكبيرة مع المعايرة النفسية القياسية
Cognitive Episodes in LLM Reasoning Traces Enable Interpretable Human Item Difficulty Prediction — تنبؤ النماذج اللغوية الكبيرة بصعوبة المفردات
Confidence Estimation in Automatic Short Answer Grading with LLMs — التصحيح الآلي الواعي بالثقة للإجابات القصيرة
Multimodal Item Parameter Estimation using Simulated Response Probabilities — تقدير معاملات المفردات متعدد الوسائط
Knowledge, Skills, Attitudes, Production: Competency-Based Education After Generative AI — التعليم القائم على الكفاءات مع الذكاء الاصطناعي التوليدي
Large Scale AI Grading of Handwritten Physics Assessments: Score Agreement and Olympiad Team Selection Outcomes — تصحيح تقييمات الفيزياء المكتوبة بخط اليد بالذكاء الاصطناعي (الأولمبياد)
Estimating Item Difficulty Using Large Language Models and Tree-Based Machine Learning Algorithms — تقدير صعوبة المفردات باستخدام النماذج اللغوية الكبيرة وتعلّم الآلة الشجري
Clarifying the Conceptual Landscape in AI Literacy Measurement: A Large Language Model Based Approach — مقارنة أدوات ثقافة الذكاء الاصطناعي: أزواج jangle وjingle عبر 55 بنية
Student Use of LLMs and the Limits of AI-Generated Question Difficulty in Data Science Courses — استخدام الطلاب للنماذج اللغوية الكبيرة وحدود صعوبة الأسئلة المولَّدة بالذكاء الاصطناعي في مقررات علوم البيانات

البيانات الوصفية

التقنيات والأساليب	النماذج اللغوية الكبيرة (LLMs)
التقييم والقياس	صدق التقييم, التقويم الآلي, القياس التربوي, نظرية الاستجابة للمفردة

Source History Edit Chat