المفاهيم
تعليم القراءة
ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.
تعليم القراءة — تعليم القراءة وتقويمها: الفهم والطلاقة والمفردات والدافعية إلى القراءة، إلى جانب تصميم النصوص عند درجة الصعوبة المناسبة للقارئ. وفي الذكاء الاصطناعي في التعليم تجري الأدبيات على أربعة خطوط: أدوات تدعم القرّاء أثناء قراءتهم، وأدوات تقوّم القراءة، وأدوات تكيّف النص أو تولّده لمستوى القارئ، وسؤال القياس الكامن تحت الثلاثة كلها — ما الذي يجعل النص صعبًا، وهل تلتقط قابلية القراءة ذلك. وتعالج هذه الصفحة القراءة مجالًا قائمًا بذاته، متميزًا عن تعلّم اللغة (اكتساب لغة أخرى)، وتعليم الإنجليزية (EAP/EFL/ESL، الذي يحمل خطًّا خاصًّا بالقراءة وقابلية القراءة) وتعليم الكتابة (إنشاء النص): إنها عن لقاء القارئ بالنص. والأدلة واعدة لكنها متفاوتة — عدة تجارب أوّلية، وحفنة من الأدوات المتحققة، وقليل من المقارنات المضبوطة. وحيث لا تملك قاعدة المعارف إلا دراسة صغيرة، تقول هذه الصفحة ذلك.
أسئلة للتفكير
- حين تساعد أداة ذكاء اصطناعي طالبًا على فهم فقرة، فماذا تعلّم الطالب — المحتوى، أم استراتيجية قراءة، أم كيف يطلب الجواب من الأداة؟ وأيّها تريد تقويمه؟
- تحسب معادلات قابلية القراءة الكلمات وأطوال الجمل. فماذا يغيب عن ذلك من تجربة القارئ للنص، وما الذي ستقيسه بدلًا منه؟
- إذا كان الذكاء الاصطناعي يستطيع إعادة كتابة أي نص إلى مستوى قراءة الطالب، فهل يتوقف المستوى نفسه عن الأهمية — أم أن الطالب سيظل بحاجة إلى ملاقاة نص صعب في نهاية الأمر؟
- من الذي يستفيد حين يُولَّد تقويم القراءة آليًا: عبء المعلم، أم دافعية الطالب، أم صلاحية الدرجة؟ وهل يمكن للثلاثة أن تتحسن معًا؟
- صعوبة القراءة مسألة وصول أيضًا. فكيف ينبغي أن تختلف أدوات القرّاء المتعثرين ومتعددي اللغات والطلاب ذوي التنوع العصبي عن مساعد قراءة عام الغرض؟
مقدمة
تعليم القراءة في قاعدة المعارف خطّ فتّي. فمعظم الدراسات صغيرة وحديثة، وتتجمّع حول النص لا حول القرّاء: توليد فقرة، أو تبسيطها، أو تقويمها، أو الحكم على صعوبتها. والسؤال الذي يربطها هو هل تستطيع آلة أن تقول كم سيكون النص صعبًا على قارئ بعينه، وهل تستطيع أن تتصرف بناءً على ذلك الحكم دون أن تزيل العمل الذي يُفترض أن تؤديه القراءة.
وتظهر أربعة خطوط من العمل:
- دعم القارئ أثناء القراءة، بما في ذلك أدوات التحفيز والمرافقة.
- تقويم القراءة، عبر مقاطع مولَّدة واختبارات قصيرة وتغذية راجعة بالذكاء الاصطناعي على عمل القراءة.
- تكييف النص وتوليده عند مستوى مستهدف، من التبسيط إلى المواد المتمايزة.
- قياس قابلية القراءة وصعوبة النص، وهي الطبقة التي تعتمد عليها الثلاث الأخرى.
دعم القرّاء أثناء القراءة
تنتج القراءة مع الذكاء الاصطناعي التوليدي نتائج فهم غير متسقة — مكاسب في دراسة، ولا نقل معرفة في أخرى — وقد بُنيت أداة AIR على فرضية أن التباين يكمن في سبب لجوء القرّاء إلى الأداة. طوّر Brann وEtgar وSidi وقنّنوا مقياسًا من 21 بندًا بأربعة دوافع: الموجَّه إلى المهمة، والتحسين المزاجي، والترجمة، والجهد المنخفض (Brann et al., 2026). وأدلتهم من 425 طالبًا بريطانيًا في التعليم العالي في العيّنة الاستكشافية و414 في العيّنة التأكيدية، بمؤشرات مطابقة عند CFI .95 وRMSEA .056. والتمييز يهم الممارسة: فالقارئ الذي يستخدم الأداة لإنجاز مهمة في وضع مختلف عن الذي يستخدمها لتجنّب الجهد، والجهد المنخفض هو الدافع الذي يشير إليه المؤلفون بوصفه ما ينبغي مراقبته بحثًا عن معالجة سطحية.
ذلك نتيجة قياس لا دراسة نواتج، والصفحة تحفظ التمييز. وما لا تحتويه قاعدة المعارف بعد هو تجربة مضبوطة لمرافق قراءة تُظهر مكاسب فهم متينة.
تقويم القراءة
تقويم القراءة هو الموضع الذي يظهر فيه الذكاء الاصطناعي أكثر ما يظهر أداةً موفّرة للجهد. بنت دراسة الحالة المهنية التي أجراها Almirabi التقويمَ القرائي التحفيزي بوساطة الذكاء الاصطناعي حول ستة اختبارات قصيرة متعددة الخيارات مع 53 طالبًا جامعيًا في اللغة الإنجليزية كلغة أجنبية (Arabic-L1)، متنقلةً من فقرة كتاب مدرسي إلى فقرات مولَّدة بالذكاء الاصطناعي، ومن تقديم إلكتروني غير مراقَب إلى ورقي تحت إشراف (Almirabi, 2026). وارتفعت الدرجات من 69.4% في اختبار الكتاب المدرسي إلى متوسط دورة 76.5%، مع تجميع الذكاء الاصطناعي أعلى بـ4.2 نقطة من اختبار الكتاب المدرسي بعد استبعاد الاختبارات غير المراقَبة. ويصرّح المؤلف بأن مصدر الفقرة والتقديم والإشراف والتسلسل لم تُعزل، وأن الدافعية لم تُقس أبدًا، فالبيانات متسقة مع فائدة تحفيزية لا دليلًا عليها.
وتتحرك دراسة ثانية في الاتجاه الآخر، إذ تعامل التغذية الراجعة بالذكاء الاصطناعي عمليةً متمركزة حول الطالب لا تسهيلًا للتصحيح. ففي شبه تجربة دامت شهرين مع 200 طالب في الصف السابع في شنتشن، أنتجت التغذية الراجعة المدعومة بـChatGPT على القراءة بالصينية مكسبًا مقداره 30.40 نقطة في مقياس التغذية الراجعة و17.95 في التوجّه نحو التغذية الراجعة، مقابل انخفاضات في صف التغذية الراجعة التقليدية (Chen et al., 2026). والآلية المزعومة هي ثقافة التغذية الراجعة لا الفهم، وسؤال التقويم — هل تعني الدرجات الشيء نفسه عبر الشروط — يُترك مفتوحًا.
قابلية القراءة: ما الذي يجعل النص صعبًا
قابلية القراءة أقدم قياس في هذا المجال وأكثر ما يزعزعه الذكاء الاصطناعي. فدرجة Flesch–Kincaid أو Lexile تقدّر الصعوبة من سمات سطحية، أهمها طول الكلمة والجملة. وقد بُنيت CLARA على الاعتراض بأن قصتين بالدرجة نفسها قد تتطلبان عملًا معرفيًا ولغويًا واجتماعيًا-وجدانيًا مختلفًا: فتصنيفها التطوري ذو 122 وسمًا بلغ دقة تداخل 0.904 مقابل مراجع العمر عند الناشرين واتفاق 0.81 مع ترتيبات المعلمين المعمّاة، مقابل 0.603 لمعادلة FKGL (Yin et al., 2026). ومشكلة الصلاحية هي المقصد — فالمعادلة قد تكون ثابتة ومع ذلك تقيس الشيء الخطأ.
وتوسّع دراستان أخريان الفجوة. فـBird يدمج تصنيف المحوّلات بسمات اللسانيات الحاسوبية لوضع الأدب الإنجليزي في مرحلة مفتاحية بريطانية، فيبلغ F1 0.996 ويغلّف النتيجة أداةً للمعلمين (Bird, 2026). أما Clark et al. فينزلون تحت السطح كليًا، فيقيسون تراكيب ذات كلف معالجة معروفة — الوحدات النصية المتتابعة (n-grams) قليلة التكرار، والتبعيات الطويلة، والأسماء المتراكمة، والأفعال المذهَّبة من الأسماء، والفواعل غير الحيّة، والجمل الوصلية المخفَّضة المفعول — ويجدون أن النماذج الحديثة تفرط في استخدامها نسبةً إلى إعادات صياغتها الحافظة للمعنى ونسبةً إلى خطوط الأساس البشرية (Clark et al., 2026). فقابلية القراءة، على هذا الدليل، خاصية لمتطلبات المعالجة في النص ولمن أنتجه، لا لإحصاءات طوله فقط.
والنتيجة العملية أن درجة المستوى الصفّي ضمانة ضعيفة بشأن أي نص، وضمانة أضعف خصوصًا بشأن نص كتبه الذكاء الاصطناعي.
وإدراك الجمهور المستهدف صار قابلًا للقياس مباشرة. جمع Thome et al., 2025 مجموعة بيانات من 3,954 وسمًا من 193 طالبًا ألمانيًا في المرحلة الثانوية يقيّمون جملًا من أدلة دراسة التوجيه المهني ومن ويكيبيديا، ووجدوا أن القرّاء خالفوا المعادلة: 72.8% من الوسوم كانت سهلة جدًا أو سهلة رغم درجات سهولة القراءة المنخفضة في المدوّنة. وأظهر تحليل SHAP لنموذج قائم على الملامح أن سمات القارئ تقود ذلك الإدراك — فاللغة المتحدثة في المنزل أكثر سمات الشخص تأثيرًا (0.09)، قبل الجنس (0.08) وتقدير الذات لمهارة الألمانية (0.07) — فدرجة المستوى الصفّي لا تغيب متطلبات المعالجة في النص فحسب، بل تغيب أيضًا تجربة مَن تُقاس تجربته في القراءة.
تكييف النص وتوليده
أكبر مجموعة دراسات تولّد نصًا لقارئ أو تعيد كتابته. وتختلف ثلاثة مقاربات في ما تتحكم فيه:
- توليد مضبوط بالمستوى. تفوّق ضبطٌ دقيق لثلاثة نماذج 8B على منهج قراءة للأطفال مصمم من خبراء وقصص من GPT-4o وLlama 3.3 70B، على النموذجين الأكبر في الإطلاق الصفري، في مقاييس متعلقة بالصعوبة، مع مشكلات سلامة مهملة (Li et al., 2026).
- مواد متمايزة. حسّن سير عمل للذكاء الاصطناعي التوليدي موجَّه بالأدوار لمواد قراءة EAP النواتج أساسًا بإضافة طبقات دعم خاصة بالكفاءة — شروح هوامش، وتفكيك جمل، وإشارات بلاغية، ومطالبات نقدية — لا بتغيير تعقيد الفقرة، وكان أكبر أثر بين المتعلمين ذوي الكفاءة العالية (d = 1.40) (Gao, 2026).
- قراءات مقرر مخصَّصة. استبدل مقرر للدراسات العليا كتابه المدرسي بقراءات عند الطلب مخصَّصة للاهتمام ومستوى الفهم؛ فقيّمها 24 طالبًا نافعة ووافق 75% على أنهم تعلّموا أكثر، بينما وجد تحليل الأثر غياب التتبّع وعدم اتساق الاستشهاد (Sidorkin, 2026).
والتبسيط هو البديل الرابع، وعنق زجاجته التقييم لا التوليد. فـMuTSE يقرن خط أنابيب توليد قائم على المطالبة والنموذج بمحرك محاذاة دلالية متدرّج حتى يمكن مقارنة التبسيطات وتقويمها على معايير ذات معنى تربوي بدل رقم قابلية قراءة واحد (Roscan et al., 2026).
القرّاء والواجهات والوصول
القراءة مسألة وصول أيضًا. فأداة AIRRI تعرض مادة التكليف صورًا مشوَّشة لتفشيل خطوط التقاط الشاشة إلى النماذج اللغوية الكبيرة، ويبلّغ مؤلفوه كلفة قابلية القراءة بصراحة: فقد حكم خبراء التصميم والطباعة الأربعة الذين شُووروا بأن التراكبات الشريطية مقروءة، بينما بلغ خطأ الاستخراج 100% (Airri et al., 2026). والمقايضة بين قابلية القراءة الآلية وقابلية القراءة البشرية قرار تصميمي له ثمن في الوصول.
وبالنسبة للمتعلمين ذوي عسر القراءة، تجد مراجعة موجَّهة بـPRISMA لـ72 دراسة من 2018 إلى 2024 أن الذكاء الاصطناعي يُستخدم للكشف والدعم المساعد والتعلّم المخصص، لكن بقاعدة أدلة مشظّاة وتحقّق تجريبي قليل؛ والذكاء الاصطناعي التوليدي ممثَّل تمثيلًا أدنى (Dabaghi et al., 2026). وصعوبة القراءة هي حيث يلتقي التنوع العصبي وإمكانية الوصول بأجندة القراءة العامة، ولا تعالجها الصفحة موضوعًا منفصلًا.
ما تُظهره الأدلة وما لا تُظهره
الخطّ غني بالقياس وفقير بالنواتج. فهناك أدوات مقنَّنة (AIR)، ونماذج صعوبة مقنَّنة (CLARA وBird)، ومجموعة متنامية من أدوات التوليد والتبسيط. وهناك دراسات مضبوطة قليلة جدًا تربط تدخلًا في القراءة بمكاسب في الفهم، وعدة دراسات تقويم تخلط مصدر الفقرة بالتقديم أو الإشراف. وأحجام العيّنات صغيرة: 53 طالبًا في حالة تقويم القراءة، و24 في دراسة القراءات المخصَّصة، و200 طالب في الصف السابع في أكبر شبه تجربة. وينبغي قراءة قاعدة المعارف بوصفها توثيقًا لفضاء تصميمي، لا لأثر مُثبَت.
المفاهيم الخاطئة الشائعة
- «درجة قابلية القراءة تخبرك هل النص مناسب.» فالدرجة تقيس سمات سطحية؛ ومقارنة CLARA بـFKGL وسمات المعالجة عند Clark et al. تُظهران معًا مقدار الصعوبة الذي يُترك خارج الحساب.
- «النص المولَّد بالذكاء الاصطناعي أسهل لأنه مولَّد لمستوى.» تجري الأدلة في الاتجاه المعاكس بالنسبة لمخرجات النماذج: فالنماذج المتقدمة تفرط في استخدام تراكيب مرتبطة بكلفة فهم.
- «القراءة بالذكاء الاصطناعي سلوك واحد.» فمقياس AIR يجد أربعة دوافع متمايزة، وهي تنبئ بأنواع مختلفة من الاستخدام.
- «إذا استطاع الذكاء الاصطناعي إعادة كتابة النص، فمستوى القراءة لم يعد يهم.» فالتمايز يغيّر الدعم حول الفقرة أكثر مما يغيّر تعقيدها البنيوي، وهذا تدخل مختلف عن خفض مستواها.
المفاهيم المتصلة
- الذكاء الاصطناعي في التعليم — المظلة التي يقع تحتها هذا المجال
- تعلّم اللغات — قراءة اللغة الثانية (L2) تتداخل، لكن الاكتساب هو الموضوع هناك
- الكتابة — الجانب الإنشائي من محو الأمية
- تعليم الإنجليزية (EAP / EFL / ESL) — قراءة EAP/EFL/ESL وقابلية القراءة
- معالجة اللغة الطبيعية التعليمية — طبقة قياس النص التي تعتمد عليها قابلية القراءة
- التقويم — تقويم القراءة وصلاحية الدرجة
- التحفيز — لماذا يستخدم القرّاء الذكاء الاصطناعي، وماذا يفعل ذلك بالمعالجة
- السقالة — طبقات الدعم في مواد القراءة المتمايزة
- التنوّع العصبي — عسر القراءة وصعوبة القراءة
- إمكانية الوصول — النص المقروء بشريًا مقابل النص المقروء آليًا
- الذكاء الاصطناعي التوليدي — التقنية خلف النصوص المولَّدة والمكيَّفة
المقالات المتصلة
- The AIR Scale: Development and validation of a measure of motivations for using AI during reading — مقياس مقنَّن لدوافع القراءة مع الذكاء الاصطناعي التوليدي
- Can AI make reading more engaging? A motivational framework for AI-assisted reading assessment in EFL/ESL classrooms: a practitioner case study — تقويم قراءة بوساطة الذكاء الاصطناعي في صف للغة الإنجليزية كلغة أجنبية
- From unified to differentiated materials: Generative AI–supported adaptation of EAP reading materials — مواد قراءة EAP متمايزة
- Children's English reading story generation via supervised fine-tuning of compact LLMs with controllable difficulty and safety — قصص قراءة للأطفال مضبوطة المستوى
- MuTSE: A Human-in-the-Loop Multi-use Text Simplification Evaluator — تقويم تبسيط النص لأغراض التعليم الفردي
- CLARA: Can AI Assess Developmental Appropriateness in Children's Stories? — صعوبة تطورية تتجاوز معادلات قابلية القراءة
- What differentiates educational literature? A multimodal fusion approach of transformers and computational linguistics — تصنيف الأدب بحسب المرحلة المفتاحية
- Why is AI-generated language so hard to understand? — لماذا يصعب قراءة اللغة المولَّدة بالذكاء الاصطناعي
- From One-Size Texts to Tailored Readings: Student Experiences with AI-Generated Course Materials — قراءات مقرر مخصَّصة مولَّدة بالذكاء الاصطناعي
- AIRRI: Towards a Human-Readable, Machine-Resistant Reading Interface — واجهات قراءة مقاومة للآلة وكلفتها في قابلية القراءة
- Modeling Student-Centered Feedback Mechanisms: ChatGPT-Supported Feedback in the Feedback Orientation Scale for Secondary Chinese Reading — تغذية راجعة بـChatGPT في القراءة الثانوية
- Artificial intelligence to help people with dyslexia in education: An interdisciplinary literature review — الذكاء الاصطناعي للمتعلمين ذوي عسر القراءة