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

تعليم العلوم

تاريخ الإنشاء 2026-10-12

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

تعليم العلوم — دراسة وممارسة كيفية تعلّم الطلاب للعلوم وكيفية تعليمها، وهي في طريقها الآن إلى أن يعيد الذكاء الاصطناعي التوليدي (النماذج اللغوية الكبيرة، والمحاكاة، والمعامل الافتراضية، والتصحيح بالذكاء الاصطناعي) تشكيلها عبر الفيزياء والكيمياء والأحياء. تكشف مقالات تعليم العلوم في قاعدة المعارف عن حقل يتفاوض على توتر جوهري: فالدعم الذي يقدمه الذكاء الاصطناعي للاستقصاء وتصحيح المفاهيم الخاطئة والتقويم على نطاق واسع أمر يُحسّ بالدليل، مع ذلك فإن قيمته تعتمد على التصميم التعليمي، وهو يحمل مخاطر حقيقية تتمثل في الإفراط في الاعتماد والهلوسة والتعلّم المُغترب والمدفوع بالربح.

أسئلة تستحق التأمل

  • تفتح الصفحة بتوتر: فالذكاء الاصطناعي يدعم الاستقصاء وتصحيح المفاهيم الخاطئة على نطاق واسع بدليل يُحسّ، مع ذلك فإن قيمته تعتمد كليًا على التصميم التعليمي. قبل أن تقرأ، متى بدت أداة استخدمتها في تعليم العلوم قوية لكنها ترويًا فارغة — وما الذي أحدث الفرق؟
  • «اخترع» استقصاء فيزيائي مُيسَّر بالذكاء الاصطناعي قيم كتلة لم يقسها أحد عندما ضغط عليه الطلاب. فما الذي تكشفه هذه الحادثة عن معاملة مخرجات الذكاء الاصطناعي كسلطة في العلوم، وكيف ينبغي تدريب الطلاب على معالجة جواب يبدو واثقًا؟
  • تشير الأبحاث إلى أن الذكاء الاصطناعي قد يضيف حاليًا قيمة أكبر كمولّد محتوى قابل للتوسّع منه كمعلّم تفاعلي — ففي دراسة واحدة، تغلبت نصوص التغير التصوري المحكمة الصنع (التي كتبها خبير أو التي صنعها الذكاء الاصطناعي) على حوار الذكاء الاصطناعي المُحفَّز. فهل يفاجئك ذلك، وماذا يوحي به عن موضع العائد التربوي الحقيقي للذكاء الاصطناعي في العلوم في الوقت الراهن؟
  • صحّح الذكاء الاصطناعي 10,364 تقويمًا فيزيائيًا مكتوبًا بيدٍ باتفاق عالٍ مع المصححين البشريين، مع ذلك لا تزال النماذج متعددة الوسائط تُظهر فجوات في الاستدلال المعقد وتوليد المخططات. فما في العمل العلمي «الأصيل الغني بالتمثيل» الذي قد يقاوم التقويم الآلي؟
  • يُظهر طلاب الفيزياء فجوة مذهلة بين الثقة والفائدة — استخدام عالٍ، ثقة منخفضة — وينقسمون إلى مستخدمين براغماتيين وغير مستخدمين متشككين. فإذا كان الطلاب هم أنفسهم متشككين معايَرين بالمجال، فما الذي ينطوي عليه ذلك للسياسات الموحدة عن الذكاء الاصطناعي في صفوف العلوم؟
  • يحذر صوت نقدي من «استعمار الذكاء الاصطناعي» لتعليم العلوم — الاستخلاص بلا موافقة، والثقافة الواحدة الخوارزمية، والإصلاح المُغترب. قبل أن تقرأ، أين تعتقد أن فوائد الذكاء الاصطناعي في تعليم العلوم تُبالَغ في تقديرها، وكيف سيبدو البديل المحور إنسانيًا والموجه نحو العدالة؟

مقدمة

تعليم العلوم هو حيث يتصادم وعد الذكاء الاصطناعي وحدوده بأوضح صورة، لأن المجالات الدراسية تطالب باستدلال متعدد الوسائط صارم — التفكير البصري-المكاني في الفيزياءاء، والمهارات المخبرية في الكيمياء، وأنظمة على مستوى الكائن الحي في الأحياء — إلى جانب محتوى منظم جيدًا وقابل للتحقق تتعامل معه النماذج اللغوية الكبيرة جيدًا. تمتد المقالات الثلاث عشرة المُركّبة هنا على المجالات الدراسية الثلاثة كلها والمراحل، من صفوف التعليم من رياض الأطفال حتى الصف الثاني عشر الثانوية إلى دورات الجامعة وبرامج تدريب المعلمين قبل الخدمة. وعبرها، تنبثق صورة متسقة: إن الذكاء الاصطناعي يعمل في أحسن أحواله لا كمولّد أجوبة بل كشريك مدمج — كشريك مستقصٍ، ومولّد محتوى، ومساعد معمل افتراضي — تساهم مساهمته بحسب ما تحدده التصميم التعليمي والبنية التربوية المحيطة.

ويعطي تقييم عشوائي مدته أربعة أسابيع لمنصة مراجعة بالذكاء الاصطناعي في علوم GCSE لهذه الصورة تقديرًا سببيًا — g لهيدجز = 0.33، دون دليل على أن الأثر اختلف بحسب المادة أو الحرمان — مقابل نقيض غني بالتقنية أصلًا، فالرقم قيمة مضافة لا الذكاء الاصطناعي مقابل لا شيء (Harrison et al. (2026)).

وتجلس هذه النتائج على مستوى الصف داخل مسألة منهجية أكبر. يجادل Martin, Rost, Koenen and Graulich (2026) بأن أبحاث تعليم العلوم قد تكون حاليًا في خضم تكرار معرفي، مستندين إلى رواية Hasok Chang (2004) عن مراحل معرفة متعاقبة تبني تكراريًا نحو أهداف معرفية محددة. ووفق قراءتهم، قد تحول منهجيات الذكاء الاصطناعي لا فقط كيفية تحليل الحقل لتعلّم الطلاب بل الأهداف المعرفية والمعايير والممارسات التي يُقدّمها. ويقترحون إطارًا تأمليًا من سبعة أطوار (تأطير المشكلة؛ وأدوات القياس والقياس؛ والتجريب والاستدلال القائم على الأدلة؛ والمقارنات والتكرار؛ وبناء المعايير والإجماع؛ والتنفيذ وعواقبه؛ والتحسين المستمر)، مُصورًا بالتطور الممتد نحو 150 عامًا لمقياس الحرارة، ومقدّمًا إياه كأداة تأمل لا كمنهج متحقق من صلاحيته أو نتيجة تجريبية.

المعامل الافتراضية والمحاكاة

يخفض الذكاء الاصطناعي بشكل كبير عائق إنشاء أدوات علمية مخصصة ومتجسدة. يُظهر Levy et al. أن محفّزًا من أربعة عناصر باللغة الطبيعية يستطيع توليد محاكاة فيزيائية بالواقع المعزَّز يتحكم فيها باليد (إيماءة التقريب والبسط تضبط طول موجة مصباح افتراضي)، مع إفادة 86% من طلاب التجربة بـ اندماج أعلى. وبالمثل، ولّد Suñer et al. معمل دوران قائم على المتصفح بالكامل عبر التحفيز، مُتحققًا منه مقابل تحليل الفيديو بدقة أفضل من 1%. وهذان العملان يعيدان تأطير الذكاء الاصطناعي التوليدي كأداة برمجة تتيح للمعلمين تصميم البرمجيات حول القصد التربوي بدل تكييف الأنشطة مع تطبيقات ثابتة — مطوّرًا التعلّم المتجسد والقائم على المحاكاة. وفي تعليم الكيمياء، ضمّن Abdikayumova & Madybekova محاكاة PhET وتدريس ChatGPT ضمن دورة استقصاء 7E قائمة على السياق لطلاب الصف العاشر، محققًا تحصيلًا واندماجًا أعلى بفرق دال من أي منهما على حدة — دليل على أن السياقنة والاستقصاء المنظم والذكاء الاصطناعي التكيفي تعمل بتآزر. ويقوّي التحليل السلوكي لطريقة عمل المتعلّمين داخل مثل هذه البيئات النموذجية درس التصميم هذا: فبتتبع 315 متعلّمًا عبر الإنترنت يبنون نماذج إيكولوجية في VERA، وجد An, Hammock & Goel (2025) أن المتعلّمين الذين ينخرطون في استكشاف شامل موجه بالفرضيات يبنون أكثر النماذج تعقيدًا وتنوعًا، في حين أن المتعلّمين الثقلي الملاحظة ينسخون النماذج القائمة في معظمها — ما يوحي بأن أدوات النمذجة العلمية ينبغي أن تعزز بنشاط السلوك الاستكشافي الشامل بدل ترك المتعلّمين في نمط سلبي يهيمن عليه الملاحظة.

المعلّمون بالذكاء الاصطناعي والتعلّم القائم على الاستقصاء

التعلّم القائم على الاستقصاء موضوع محوري. يُموضع Jiang et al. في استعراضه المنهجي لـ 24 دراسة ChatGPT كـ «شريك مستقصٍ مدفوع بالذكاء الاصطناعي» يُستخدم أساسًا في أطوار التصور والاستقصاء والمناقشة في استقصاء العلوم والتقنية والرياضيات والهندسة والفنون، محسّنًا الأداء والتفكير النقدي والاندماج — مع مخاطر الإفراط في الاعتماد والهلوسة والاستنتاجات السطحية عندما تُعامل المخرجات كسلطة. ووجد Aydın أن ثمانية أسابيع من الاستقصاء الموجَّه المدعوم بالذكاء الاصطناعي أنتجت مكاسب كبيرة في الفهم التصوري لدى معلمي ما قبل الخدمة للبناء الضوئي والتنفس، في حين لم يُظهر محو الأمية في الذكاء الاصطناعي والتفكير الحاسوبي أي تغير دال — ما يوحي بأن التعلّم التخصصي يمكن أن يتحسن حتى عندما تحتاج الكفايات الأوسع إلى تعليم أطول أو أكثر صراحةً. يُظهر Tufino & Damiani أن الذكاء الاصطناعي يستطيع تسقال الجوهر المعرفي لاستقصاء ISLE مع بقائه محصورًا في القناة اللفظية، لكنهما وجدا التيسير هشًّا: فتحت ضغط الطلاب، «اخترع» الذكاء الاصطناعي قيم كتلة لم يقسها أحد، مسلطًا الضوء على خطر الهلوسة والحاجة إلى التحقق بدل افتراض أمانة الذكاء الاصطناعي. ويقترح Kuhn et al. إطار AIRIS (تنشيط–استقصاء–تأمل) لإبقاء التنبؤ والتفسير والتقييم مهامًا بشرية غير قابلة للتفويض، ويدعون إلى تجارب «شرط السحب» تختبر ما إذا كان التعلّم ينجو من إزالة الذكاء الاصطناعي — استجابة مباشرة لـ «مشكلة الضفدع المغلي» المتمثلة في تآكل الممارسة المعرفية. ويمدّ الحكم الخبير على خطط الدروس المولَّدة بالذكاء الاصطناعي درس التصميم هذا إلى العلوم المتوافقة مع المنهج: فقد طلب Karaismailoglu, Surmeli and Yildirim (2026) من أحد عشر أخصائيًا تركيًا في تعليم العلوم تقييم خطط ChatGPT-4 وأداة محورها التعليم (Teacher's Buddy) لخطط الصف السادس لوحدة «العيش المستدام والتنوع الحيوي» المتوافقة مع نموذج التعلّم القائم على التصميم الهندسي (EDBL). فقد سجلت كلتا المنصتين أعلى درجة في «تقديم الحل» وأدنى درجة في المهارات الهندسية (المتعدد الأغراض x̄ = 37.45؛ ومحور التعليم x̄ = 41.45) — نقطة ضعف مشتركة في محاكاة الأطوار التكرارية الموجهة بالعملية (النمذجة المبدئية، وتحليل الفشل، والمراجعة، وإعادة الاختبار التأملي) التي تحدد التعلّم القائم على التصميم — ولم يحكم سوى 3 من 11 خبيرًا بأن أي من الخططين «قابل للتطبيق» مباشرةً، مع تقييم 7 لهما بأنهما «قابلان للتطبيق بالتصحيح».

ويؤسس استعراض تصوري القناة المادية نظريًا: فالعلم نظام مفتوح يعيد النظر في الدعاوى مقابل الأدلة المادية، في حين أن نموذج اللغة مغلق تشغيليًا عن الأدلة في الاستدلال (Muminova & Mamatkulov, 2026)).

المفاهيم الخاطئة والتغير التصوري

على صعيد التغير التصوري، الأدلة دقيقة وجزئيًا معاكسة للحدس. وجد Akdoğan في تصميم المجموعات الأربع لسولومون على 413 طالبًا أن نصوص التغير التصوري المكتوبة بخبراء والمولَّدة بالذكاء الاصطناعي على السواء كانت أكثر فعالية بفرق دال في تقليل المفاهيم الخاطئة في الحرارة ودرجة الحرارة من الحوار التفاعلي بالذكاء الاصطناعي، الذي لم يقدم أي أفضلية على المجموعة الضابطة — مما يضع القيمة التربوية الحالية للذكاء الاصطناعي كـ مولّد محتوى قابل للتوسّع لا كمعلّم تفاعلي، مع تركّز المكاسب بين الطلاب عاليي التحصيل (وهو مصدر قلق بشأن الإنصاف). وهذا يعززه Borse et al.، الذين يُظهرون أن خصوصية المحفّز تشكل جودة حلول الفيزياء وأن النقد الموجَّه بـ MAPS يُعِدّ الطلاب لتقييم مخرَج الذكاء الاصطناعي أفضل من حل المشكلات باستقلال، معاملةً قابلية الذكاء الاصطناعي للخطأ كمورد لتعلّم التفكير النقدي.

التصحيح بالذكاء الاصطناعي والتقويم

التصحيح بالذكاء الاصطناعي يتقدم سريعًا في العمل عالي المخاطر. صحّح Pathak et al. 10,364 صفحة ممسوحة من تقويمات فيزياء مكتوبة بيدٍ (بما فيها أولمبياد وطني ومعسكر اختيار الفريق)، محققًا ارتباطات درجات عالية (0.91–0.97) ومستعيدًا فريق الطلاب الخمسة ذاته الذي استعاده التصحيح البشري — مجادلًا بأن الذكاء الاصطناعي يعمل كـ قارئ ثانٍ وأداة تدقيق ذوي صلاحية تحت سيطرة المصحح عندما يُعطى سلالم تقييم مفصلة خاصة بالفيزياء. والتصحيح الآلي للإجابات القصيرة له نسب تحويلية أطول وأكثر تأسيسًا: وجد استعراض Morley et al. النطاقي لـ 21 دراسة (2017–أوائل 2024) أن نماذج عائلة BERT هيمنت على التصحيح الآلي لأسئلة العلوم ذات الإجابات القصيرة حتى 2021 قبل أن تُعتمد المناهج القائمة على GPT عبر التحفيز من ~2022، وأن النماذج المُعزَّزة ببيانات المجال (كتب مدرسية، وسلالم تقييم، وتدريب مسبق إضافي) تجاوزت خطوط الأساس باستمرار، وأن المخاطر غير المُحلَّة لـ الموثوقية وقابلية التفسير والإنصاف تجادل لأن تكون هذه المصحّحات الآلية دعمًا لـ المصححين البشريين لا بديلًا عنها. مع ذلك، يكشف Chen et al. في OmniPhys المرجع أن النماذج اللغوية الكبيرة متعددة الوسائط لا تزال تُظهر فجوات دالة في الاستدلال المعقد وتوليد المخططات وتوليدها، محذرًا من الإفراط في الثقة بـ التقويم الفيزيائي الآلي في المهام الأصيلة الغنية بالتمثيل التي تحدد الكفاية التخصصية العميقة. ويشدّد نظير في الكيمياء على الاعتمادية على الصيغة: فقد صحّح Cvengros & Kortemeyer امتحانًا نهائيًا عامًا في الكيمياء مكتوبًا بيدٍ لـ 296 طالبًا بـ نموذج لغوي كبير متعدد الوسائط، فوجدا اتفاقًا عاليًا مع مساعدي التدريس في الأجوبة النصية وأجوبة التفاعلات الكيميائية لكن أداءً أسوأ من العشوائي في الرسم والتمثيل البياني (الشبكات الخلفية تُشتت رؤية الذكاء الاصطناعي) — دليل على أن التصحيح الموثوق بالذكاء الاصطناعي في العلوم انتقائي بحسب صيغة الرد ويتطلب إحالة قائمة على الثقة إلى المصححين البشريين للبنود الرسومية، لا منهجًا موحدًا «يصحح كل شيء».

تصورات المعلمين والرؤية النقدية

جاهزية المعلمين حاسمة. وجد Amponsah et al. أن معلمي العلوم الغانيين في مرحلة ما قبل الخدمة يحملون مواقف إيجابية ونوايا قوية نحو الذكاء الاصطناعي لكن استخدامهم الفعلي في الصف متوسط فقط — فجوة بين النية والاستخدام تشير إلى كفاية المعلم مع الذكاء الاصطناعي ودعم المؤسسة كالرافعتين الحقيقيتين. ويوثّق Becker et al. وFouad & Bentley أن طلاب الفيزياء متشككون معايَرون بالمجال لا متبنّون غير نقديين: فجوة ثقة-فائدة بمقدار 50 نقطة (91% استخدام، 41% ثقة) وملفان مستخدمان مميزان (المستخدمون البراغماتيون مقابل غير المستخدمين المتشككون) يتحديان السياسات الموحدة. وبمقابلة التفاؤل التقني، يحذر Avraamidou من «استعمار الذكاء الاصطناعي» لتعليم العلوم — الاستخلاص بلا موافقة، والثقافة الواحدة الخوارزمية، والإصلاح المُغترب المحور الربح — ويدعو إلى ذكاء اصطناعي نسوي محوره الإنسان يُقدّم العدالة على الربح، في حين يُشدد استعراض Erümit & Özdemir Sarıalioğlu المنهجي لـ 18 دراسة على المخاطر الأخلاقية (الانحياز، والهلوسة، والسرقة الأدبية، وتآكل التفكير المستقل) والحاجة إلى تدريب المعلمين والاستخدام الواعي. والدرس الجامع عبر المقالات الثلاث عشرة كلها هو أن الذكاء الاصطناعي في تعليم العلوم يُحقق مكاسب عندما يكون مدمجًا في تصميم استقصاء وسقالة وتقويم رصين — ويقوّض التعلّم عندما يزيح العمل المعرفي الذي على الطلاب فعله بأنفسهم.

يسأل Schroeder et al. (2026) عن مدى جودة تعامل النماذج العامة مع محتوى العلوم ذاته: فعلى مجموعات البنود المتوافقة مع NGSS للمرحلة الإعدادية (1,078 بندًا) والثانوية (1,150 بندًا)، تجاوزت تسعة نماذج مفتوحة الأوزان 90% في معظمها، دون علاقة بين حجم النموذج والدقة، وحكم معلم علوم على 236 من 240 بندًا مُعاينًا (98.3%) بأنها متوافقة مع الإطار، مشيرًا في الوقت نفسه إلى غياب المخططات وتفسير البيانات والتمثيل الرياضي — فبنود النص وحده لا تستطيع ممارسة كل توقع أداء في NGSS. وتترك صعوبة البنود العالية وقدرتها التمييزية المنخفضة مسألةً مفتوحة عما إذا كانت البنود تحتاج تحسينًا أم أن علوم المرحلة الثانوية قد صارت قابلة للمعالجة لهذه الفئة من النماذج، ويدعو المؤلفون التغذية الراجعة متعددة الأدوار والقائمة على الأدلة كالمعيار الغائب.

المفاهيم المرتبطة

المقالات المرتبطة

البيانات الوصفية

التخصصScience Education, Stem Education
التعلم والتعليمالتعلّم القائم على الاستقصاء
التقنيات والأساليبالذكاء الاصطناعي التوليدي
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.