التعلّم موجّه الذات

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

يصف التعلّم موجّه الذات (SRL) المتعلّمين كمشاركين فاعلين قادرين على تشكيل سلوكياتهم المعرفية والسلوكية وتنميتها بنجاح. يمكن لأدوات الذكاء الاصطناعي إمّا أن تقدّم سقالة لتطوّر التعلّم موجّه الذات أو أن تعطّله دون قصد عبر إزالة المطالب التنظيمية التي تبني الخبرة.(Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement)(The Evidence Base on AI in K-12: A 2026 Review) وتشحذ الأدلة الطولية هذه التمييز: فقد تنبّأ الاستخدام التأملي حول أداة ذكاء اصطناعي بالتفكير النقدي (β = 0.43) لكنه لم يتنبّأ باكتساب المعرفة، بينما لم يُحدث مجرّد الوصول إلى الأداة أي تغيير في الاثنين.(Generative AI and Learning Dynamics in Higher Education: A Longitudinal Empirical Study)

أسئلة للتأمّل

• يصف التعلّم موجّه الذات المتعلّمين وهم يديرون تعلّمهم بنشاط عبر ثلاث مراحل: ما قبل الفعل (تحديد الأهداف، التخطيط، الكفاءة الذاتية)، والأداء (استراتيجية، ملاحظة ذاتية)، والتأمّل الذاتي (تقييم، تكيّف). قبل أن تقرأ: أي مرحلة تُنجزها فعلًا بإتقان — وأي مرحلة تتخطّاها رغم معرفتك بالأحرى؟
• التوتّر الجوهري في الصفحة: يمكن للذكاء الاصطناعي أن يقدّم سقالة للتنظيم الذاتي أو أن يعطّله عبر إزالة المطالب التنظيمية التي تبني الخبرة. كيف يمكن لأداة تجعل المهمّة أسهل أن تجعلك منظّمًا أضعف لتعلّمك — وهل تستطيع إدراك هذا الفرق في استخدامك أنت؟
• يُظهر الطلاب غالبًا «عجزًا إنتاجيًا»: فهم يملكون معرفة التنظيم الذاتي لكنهم يفشلون في نشرها تلقائيًا — يطلبون من روبوت المحادثة «استخراج الأفكار الرئيسية» ويتخطّون التخطيط والمراقبة تمامًا. هل أمسكت نفسك تفعل المكافئ المعرفي لهذا، حتى وأنت تعرف الاستراتيجية الأفضل؟
• عندما يكون الدعم متاحًا، قد يخرج حكمك أنت من الصورة: في إحدى دراسات بيانات التتبّع، كان الدعم المتاح — لا دقّة المتعلّم في ما وراء المعرفة — هو ما حدّد استراتيجية المراجعة المختارة. إذا تجاوزت المساعدة الخارجية قراءتك لتعلّمك، فأي حكم ستُبقي مقصودًا بين يديك أنت؟
• وجد البحث «معايرة خاطئة»: إذ يمكن للطلاب أن يدركوا تعلّمًا أكثر مع الذكاء الاصطناعي التوليدي مع احتفاظ أقل — مفضّلين إياه على تدوين الملاحظات رغم ضعف الاستبقاء. إذا شعرت بالإنتاجية أثناء استخدام أداة، فكيف ستكتشف أنك لا تتعلّم فعلًا أكثر؟
• ما إذا كان الذكاء الاصطناعي التوليدي يعمل كسقالة أو اختصار أو شريك يتوقّف على القدرة التنظيمية للمتعلّم أكثر من الأداة نفسها. لكن الصفحة تُظهر أيضًا أن التنظيم الذاتي يخفّف — دون أن يُلغي — أثر التفريغ المعرفي العميق. ماذا يعني هذا التحفّظ «يخفّف ولا يُلغي» لتصميم أدوات ذكاء اصطناعي أفضل؟
• حدّد هدفًا قبل القراءة: اختر مهمّة تستخدم الذكاء الاصطناعي فيها بانتظام، وقرّر مسبقًا أيًّا من مراحل التعلّم موجّه الذات الثلاث (ما قبل الفعل، الأداء، التأمّل) ستحميه مقصودًا من الأتمتة. وما النتيجة التي ستخبرك أنه نجح؟

مقدّمة

التعلّم موجّه الذات هو العملية التي يدير بها المتعلّمون تعلّمهم بأنفسهم بنشاط عبر ثلاث مراحل مترابطة:

1. ما قبل الفعل: تحديد الأهداف، التخطيط الاستراتيجي، معتقدات الكفاءة الذاتية
2. الأداء: نشر الاستراتيجيات، الملاحظة الذاتية، تركيز الانتباه
3. التأمّل الذاتي: التقييم الذاتي، النسب السببي، التكيّف

يستخدم المتعلّمون المتمكّنون من التنظيم الذاتي استراتيجيات معرفية لتحسين النجاح ويستفيدون من ما وراء المعرفة لتنقيح عمليات تعلّمهم باستمرار.(Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement)

يؤكّد العمل التجريبي في مقرّر بتوسّط تقني ارتباط المراحل: ففي دراسة تكيّفية لستة أسابيع في مادّة الاحتمالات (194 طالبًا)، تنبّأت قيمة المهمّة والكفاءة الذاتية وتوجّه الأهداف والعواطف الإيجابية في مرحلة ما قبل الفعل بالسلوك التنظيمي في مرحلة الفعل بينما أعاقتها العواطف السلبية، وأعادت الرضا في مرحلة ما بعد الفعل التغذية إلى مرحلة ما قبل الفعل التالية (Mejeh & Fromm (2026)).

وجد رسم خرائط منهجي لـ 84 دراسة على الذكاء الاصطناعي والتعلّم موجّه الذات أن البحث تركّز على طلاب التعليم العالي وعلى الجانبين المعرفي وما وراء المعرفي للتنظيم الذاتي، مع كون البعد الدافعي غير مستكشف وأن أكثر من ثلث الدراسات لم تحدّد أي نظرية للتعلّم موجّه الذات إطلاقًا (Banihashem et al. (2025)).

والأهم أن التعلّم موجّه الذات حول الذكاء الاصطناعي يتشكّل بـالإدراك كما بالسلوك: يُظهر Yilmaz et al. أن إدراك الطلاب لما إذا كانت التغذية الراجعة قادمة من الذكاء الاصطناعي أو من إنسان يؤثّر بشكل معتبر على تعلّمهم موجّه الذات وسلوكهم في المراجعة — تذكير بأن الإطار الاجتماعي للذكاء الاصطناعي، لا محتواه فحسب، يُغيّر كيف ينظّم المتعلّمون حوله.

ويقف نمط فشل واحد قبل أن يبدأ التنظيم: تسويف التعلّم بمساعدة الذكاء الاصطناعي التوليدي — تأخير غير ضروري في بدء العمل المدعوم بالذكاء الاصطناعي التوليدي رغم نيّة حقيقية باستخدامه. وبين 1,243 طالبًا جامعيًا صينيًا، رافق الاستخدام الأكثر تكرارًا للذكاء الاصطناعي التوليدي تسويفًا أقل منه (β = −0.195)، وأضفت قلق تعلّم الذكاء الاصطناعي التوليدي رابط التأخير بين النيّة والتسويف (Li et al. (2026)).

وحيث يدخل الذكاء الاصطناعي التوليدي الدورة يقرّر أثره: فبتخطيط مراحل ما قبل الفعل والأداء والتأمّل لدى Zimmerman على البيئات ذات الوساطة الذكاء الاصطناعية، تُحاجّ بنية المشاركة في الفعل بأن نقطة الدخول تحدّد ما إذا كانت الأداة تُضخّم إحساس المتعلّم بالسيطرة أو تُتلفه، وأن تفويض الدعم يدعم التعلّم التحويلي فقط عندما يكون القرار مقصودًا لا روتينيًا (Poudyal (2026)).

ويقيس استقصاء مقطعي لـ 434 طالبًا جامعيًا في التربية الخاصة سلسلة من هذا القبيل: ارتبطت ثقافة الذكاء الاصطناعي التوليدي ارتباطًا إيجابيًا بسلوكيات التعلّم موجّه الذات بمساعدة الذكاء الاصطناعي التوليدي (B الكلي = 0.701)، مارّة أساسًا عبر فاعلية المتعلّم التعلّم (B = 0.345) أكثر من عواطف التحدّي (B = 0.061) (Yang et al. (2026)).

الدعم الرقمي للتعلّم موجّه الذات

سجلات التعلّم

سجلات التعلّم تدخّل واعد للتعلّم موجّه الذات: فبتأمّلهم عمليات تعلّمهم، يزيد الطلاب وعيهم بالإدراك ويقوّون قدراتهم التنظيمية. أهمّ اعتبارات التصميم:

• البنية تُهمّ: غالبًا ما تُنتج السجلات المفتوحة مدخلات سطحية؛ وتحسّن المطالبات الموجّهة والنماذج المثال العمق
• تراجع الدافعية: تشهد تطبيقات التدوين عبر الهاتف المحمول تراجعًا سريعًا في المشاركة بعد أيّام قليلة
• مقايضة السقالة: مساعدة الذكاء الاصطناعي التي تكتب التأمّلات بدل الطلاب تُقوّض ممارسة التعلّم موجّه الذات؛ والمساعدة التي تنظّم المطالبات دون تأليف المحتوى تحفظها

لوحات المعلومات التي تنقل ملفات التعلّم موجّه الذات إلى المعلّمين

يوسّع Mejia-Domenzain et al. (2026) الدعم الرقمي للتعلّم موجّه الذات إلى جانب المعلّم: فلوحة تحليلات التعلّم الخاصة بهم (DashED) تنقل ملفات التعلّم موجّه الذات المستنبطة تعلّمًا آليًا إلى المعلّمين في الصفوف المدمجة، وكيف يتصرّف المعلّمون وفقًا لتلك الملفات يتوقّف على السياق. في الاستخدام، اتّبع معلّمو الصفوف المقلوبة (الجامعية) استكشافًا متتاليًا وفضّلوا التكيّف على مستوى المقرّر وعرض لوحات المعلومات في الصف، بينما أعاد معلّمو التعليم المهني زيارة صفحات الملخّص واستخدموا الأداة أساسًا في جلسات الإرشاد الفردي. فقد تشكّلت الإجراءات التي اقترحها المعلّمون بالمحتوى المُثمَّر ومستوى تدريسهم أكثر من نوع الرسم البياني — فضّل معلّمو الجامعة الاختبارات الأسبوعية وتكيّف المقرّر، بينما مارس معلّمو التعليم المهني إرشادًا مباشرًا فرديًا. وهذا يضع اللوحة كسقالة لتنظيم المعلّمين للتعليم، مع احتياجات تصميمية تتفاوت باختلاف السياق لا واجهة مثلى واحدة.

ونظيرها الموجّه للطالب أكثر شحًّا: فلوحة أظهرت لـ 46 طالبًا في المرحلة الثانوية مطالباتهم الخاصة مع الذكاء الاصطناعي التوليدي وتقاطع نصوصهم مع ردود النموذج فُتحت من قبل نحو ثلث الصف فقط، ما يجعل التعرّض الطوعي لا التصوير المرئي نفسه هو القيد المُلزِم (Fong et al. (2026)).

تجربة Scheu et al. ذات التصميم 2×2 (2026)

في تجربة ميدانية معشّاة مع 179 طالبًا على مدى 22 يومًا، قُورن مبدآن للتصميم:

الفكرة المحورية: حسّن المقرّر مهارات التعلّم موجّه الذات والدافعية الجوهرية عبر نقل المهارات، بينما حسّن المساعد المشاركة دون التأثير على الدافعية.(Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement)

أدوات الذكاء الاصطناعي وحلقة التعلّم موجّه الذات–الدافعية المتبادلة

مبدأ أساسي في نظرية التعلّم موجّه الذات هو أن مهارات تنظيم الذكاء الاصطناعي في التعليم الذاتية والتحفيز تؤلّفان علاقة متبادلة:

• تعلّم موجّه ذات أفضل ← تعلّم أنجح ← كفاءة ذات أعلى ← دافعية أقوى
• دافعية أعلى ← مشاركة أكثر جهدًا ← ممارسة أفضل للتعلّم موجّه الذات

يمكن لأدوات الذكاء الاصطناعي أن تدخل هذه الحلقة في نقاط مختلفة:

• تصميم يبدأ من التعلّم موجّه الذات (مثل المقرّرات المنظّمة، التلميحات المتدرّجة، مطالبات التأمّل): يقوّي الحلقة ببناء مهارة حقيقية
• تصميم يبدأ من المشاركة (مثل الإكمال التلقائي، توليد المحتوى): قد يعزّز المشاركة السلوكية دون الدخول في حلقة الدافعية، ما يُعرّض لخطر الاعتمالية على الأداة

التنظيم الاستراتيجي للذكاء الاصطناعي التوليدي كتعلّم موجّه ذات

يُعيد Kim (2026) تأطير الاستخدام الفعّال للذكاء اصطناعي توليدي في الكتابة الأكاديمية كـتنظيم استراتيجي — ممارسة معلنة للتعلّم موجّه الذات في التحقّق والمراجعة والتبنّي الانتقائي أو الرفض لمخرجات الذكاء الاصطناعي. في دراسة بطرائق مختلطة على 107 طلاب، ارتبط قلق الذكاء الاصطناعي الأعلى ارتباطًا إيجابيًا بالتحقّق والمراجعة (β=.24)، بينما تنبّأت القدرة التقييمية بالمراجعة النشطة والإدماج الانتقائي (β=.46). وتجمّع الطلاب في أربعة أنماط تنظيمية — اعتماد غير نقدي (18.7%)، إدماج انتقائي (34.6%)، تحوّل تقييمي (31.8%)، ورفض استراتيجي (14.9%) — ما يُظهر أن ثقافة الذكاء الاصطناعي في التعليم العالي تعمل بوصفها كفاءة تنظيمية قائمة على الحكم التقييمي والمسؤولية الأخلاقية أكثر من كونها قبولًا. وهذا يضع التعلّم موجّه الذات آليةً جوهرية تميّز الاستخدام النقدي عن غير النقدي.

حُكم الأداة نفسه وجه قابل للقياس: فالتحقّق ثنائي الموجة مع متعلّمي اللغة الإنجليزية كلغة أجنبية في الصين (تحليل استكشافي N = 305؛ تحليل تأكيدي N = 342) يفصل ستة أبعاد تنظيمية ويسمّي التنظيم البيئي — التحقّق من دقّة المخرجات المُولَّدة، وترشيح الموارد المقترحة، ووضع حدود على الاعتماد — بوصفه بعدًا مستقلًا بذاته (Wang, Zhang and Zhang (2026)).

صنّف قبل أن تُفوّض: يحوّل Tsim and Gutoreva (2025) التنظيم الذاتي إلى بروتوكول لكل مهمّة — صُفّ كل مهمّة فرعية بأنها بديل أو مكمّل أو معين أو غير قابل للتفاوض، وبرّر ذلك في ملاحظة ما وراء معرفية قصيرة، واحتفظ بأثر مراجعة للمطالبات والمسوّدات والمراجعات البشرية — مع تكرار الدورة حتى تُغذّي عملية الإحالة لمهمّة واحدة المهمّة التالية.

التفاعل نفسه موضوعًا للتنظيم. يوثّق Brunnström and Palmqvist (2026) مطلب التنظيم ذاته من الجهة الأخرى: في عرض من ثمانية جولات باستخدام روبوت محادثة لإعداد إجابة امتحان منزلي، بقيت مخرجات الأداة الافتراضية عند الطرف الكمي البنيوي المتعدّد من تصنيف SOLO — مصقولة وجاهزة للتسليم وضئيلة تربويًا — ولم تصل إلى حلقة تعلّم ثلاثية الخطوات قابلة للاستخدام إلّا بعد تدخّلات متكرّرة على المستوى الوصفي («هذا مُربك، أيمكنك اختصاره؟»). وخلاصتهما أن الاستخدام المُثمر تطلّب «مهارات التنظيم الذاتي ذاتها التي كانت الأداة يُتوقّع أن تدعمها»: على المتعلّم أن يحدّد أهدافًا تدريجية، ويطلب تعديلات في الصعوبة، ويتأمّل ما لم يُفهم بعد، فوق المحتوى المجالي ذاته. ويسمّيان هذه القدرة ثقافة التفاعل مع الذكاء الاصطناعي ويعتبران الانفصال عن الأداة قرارًا تنظيميًا مشروعًا لا فشلًا في المثابرة (ما وراء المعرفة).

• الرضا ليس تنظيمًا ذاتيًا. سُئل في استقصاء Liang et al. (2026) 689 طالبًا جامعيًا في برامج الصناعة–التعليم واختُبر نموذج وساطة تسلسلي تتسبّب فيه الإمكانات المدركة للمحتوى المُولَّد بالذكاء الاصطناعي في رفع كفاءة الكفاءة الذاتية الذاتية تجاه المحتوى المُولَّد بالذكاء الاصطناعي (بيتا = 0.583) وعبرها التحفيز التعلّم (بيتا = 0.565) والتعلّم موجّه الذات (بيتا = 0.250)، مع كون الدافعية أقوى متنبّئ فردي للتعلّم موجّه الذات (بيتا = 0.527). وتقف النتائج السلبية الحاملة للأثر جنبًا إلى جنب مع تلك المسارات: فقد تنبّأت جودة التغذية الراجعة التقييمية للذكاء الاصطناعي بالرضا بقوة (بيتا = 0.712) لكنها لم تنبّأ بالكفاءة الذاتية (بيتا = 0.131)، ولم يكن للرضا أثر معتبر على التعلّم موجّه الذات (بيتا = 0.032). فالمساعد المُستحسن والمُجدي إذًا ليس دليلًا على تحسّن التنظيم — فالآلية تمرّ عبر الثقة والدافعية لا عبر تجربة المتعلّم للأداة.

التأمّل الواعي بالذكاء الاصطناعي التوليدي كتعلّم موجّه ذات

يعيد نموذج التأمّل 5P (Kadel et al. 2026) تمركز التأمّل المنظّم في عصر الذكاء الاصطناعي التوليدي كوصفه ممارسة معلنة للتعلّم موجّه الذات. ولأن المتعلّمين يُنتجون المعنى بشكل متزايد بالمشاركة مع الذكاء الاصطناعي، تعجز نماذج التأمّل التقليدية عن مصادقة تأمّل الطالب، فيدمج نموذج 5P (الغرض، العملية، المنتج، المزالق، الخطة) تحديد الأهداف المبني على ما قبل الفعل، والتأمّل أثناء الفعل (توثيق المطالبات والتكرارات)، والتأمّل بعد الفعل (التحقّق من المخرجات الاحتمالية مقابل مصادر خارجية)، ومرحلة مزالق صريحة لـالهلوسة والسرقة الأدبية والاعتماد المفرط، وخطة موجّهة للمستقبل — حاشيًا بالمراقبة العاطفية على طول الطريق. وتتعامل فلسفته «العملية فوق المنتج» مع التوثيق المنظّم لـالتفاعل بين الإنسان والذكاء الاصطناعي بوصفه المطلب التنظيمي الذي يحفظ الأصالة وفاعلية المتعلّم والعمق ما وراء المعرفي، ما يضع التأمّل الواعي بالذكاء الاصطناعي التوليدي سقالةً للتنظيم الذاتي لا بديلًا عنه.

العلاقة بالتصميم الخاص بالتدريس

يتماشى الذكاء الاصطناعي الخاص بالتدريس مع التصميم الذي يبدأ من التعلّم موجّه الذات: فهو يقدّم سقالات متدرّجة تحفظ فاعلية المتعلّم وتتطلّب تنظيمًا ذاتيًا استراتيجيًا. وغالبًا ما يُزيل الذكاء الاصطناعي للأغراض العامة المطالب التنظيمية كليًّا.(The Evidence Base on AI in K-12: A 2026 Review)

على سبيل المثال:

• حفظ روبوت المحادثة الخاص بالتدريس لدى Bastani et al. الاستدلال خطوة بخطوة (مطلب التعلّم موجّه الذات)
• قدّم نُسخة GPT للأغراض العامة الأجوبة ببساطة (تجاوز للتعلّم موجّه الذات)

الأدلة عبر السياقات

• أدلة مختلطة وفجوة المعايرة الخاطئة. يجد مراجعة سريعة لأبحاث الذكاء الاصطناعي التوليدي في مرحلة ما قبل الروضة حتى الصف الثاني عشر أن المكاسب ما وراء المعرفية أثناء المهام المدعومة غالبًا لا تستمرّ عند إزالة الدعم، وأن الذكاء الاصطناعي التوليدي قد يزيد التعلم المدرك حتى عندما يكون التعلّم الدائم غائبًا (فجوة المعايرة الخاطئة — فضّل الطلاب الذكاء الاصطناعي التوليدي على تدوين الملاحظات رغم ضعف الاستبقاء). يحتاج الطلاب تدريبًا صريحًا مناسبًا للمرحلة ليقرّروا ما يُفوّضونه ومتى يكون الجهد المستقلّ مهمًّا.(Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education)
• مبادرة الوكيل مقابل توتّر التنظيم الذاتي. يلاحظ Woollaston et al. (2026) أنه كلّما أتممت الوكلاء جزءًا أكبر من المهمّة، قلّ العمل المعرفي موجّه الذات الذي يؤدّيه المتعلّم — فيجب أن تمنح التصاميم المتعلّمين سيطرة على بدء الوكيل (سقالة متحرّكة تتراجع) للحفاظ على القدرة التنظيمية الذاتية بدل إحالتها إلى الخارج.
• يشكّل التنظيم الذاتي استخدام مساعدي البرمجة بالذكاء الاصطناعي. وجدت دراسة لمساعدي البرمجة بالذكاء الاصطناعي أن طلاب التفكير الحاسوبي العالي أظهروا تماسكًا تنظيميًا ذاتيًا أقوى (تخطيط–تنفيذ–تأمّل ذاتي) واستخدموا مساعد البرمجة لفهم الشيفرة، بينما استخدمه طلاب التفكير الحاسوبي المنخفض لاسترجاع أجوبة فوري.
• يتلازم التعلّم موجّه الذات مع انخفاض التشتّت الرقمي في التعلم عبر الإنترنت. وجد Shi et al. (2026) باستخدام تنقيب بيانات غير موجّه على 530 طالبًا جامعيًا أن استراتيجيات التعلّم موجّه الذات — تحديد الأهداف، وهيكلة البيئة، وإدارة الوقت — تلازمت باستمرار مع انخفاض التشتّت الرقمي في التعلم عبر الإنترنت، إلى جانب مشاركة المتعلّم–المدرّب والمتعلّم–المحتوى. وهذا يضع التدريب الملموس على التعلّم موجّه الذات تدخّلًا عالي الأثر للدراسة المركّزة عبر الإنترنت.
• الوعي ما وراء المعرفي، لا الوصول إلى الأداة، هو أقوى محرّك للأداء التكيّفي في مجالات العلوم والتكنولوجيا والهندسة والرياضيات. بنى Alatoai and Alshahri (2026) وتحقّقا من AI-STEM-MLCS مع 649 طالبًا في المرحلة الثانوية في السعودية (CFI = 0.983، RMSEA = 0.019؛ مكدونالد ω = 0.888 إلى 0.905) ووجدا أن أبعاده الأربعة فسّرت 68% من التباين في أداء التعلّم موجّه الذات (R² = 0.68). وكان الوعي ما وراء المعرفي المبني على الذكاء الاصطناعي أقوى متنبّئ (β = 0.38، p < 0.001)، يليه النقل المعرفي والتكيّف (β = 0.29، p = 0.008) والتعلّم موجّه الذات المعزّز بالذكاء الاصطناعي (β = 0.21، p = 0.040)، بينما لم يتنبّأ الاستدلال الإبداعي والنقدي في مجالات العلوم والتكنولوجيا والهندسة والرياضيات بالمعيار (β = 0.14، p = 0.135). يقرأ المؤلفان النمط بوصفه دليلًا على أن التغذية الراجعة التكيّفية ترفع الأداء في مجالات العلوم والتكنولوجيا والهندسة والرياضيات أساسًا بدفع المتعلّمين إلى فحص الأخطاء وإعادة المعايرة وإعادة استخدام الاستراتيجيات، فتعمل الأداة أفضل كمُشخّص يحدّد فجوات التعلّم الوصفي منه كدرجة كلية واحدة. وهي قياس تقرير ذاتي متحقّق منه في منظومة وطنية واحدة، فمعاملاته أوّلية.
• يمكن للدعم الخارجي أن يتجاوز الحكم ما وراء المعرفي للمتعلّم نفسه. تتبّع Iqbal et al. (2026) 87 طالبًا من متعلّمي اللغة الإنجليزية كلغة أجنبية وهم يراجعون مقالًا بمساعدة الذكاء الاصطناعي التوليدي (ChatGPT 4.0) أو خبير بشري أو بدون دعم. وكان شرط الدعم أقوى ارتباط بفارق كبير باستراتيجية المراجعة التي اختارها الطالب (Cramér's V = 0.668)، متقدّمًا بكثير على التماس من مهمّة الكتابة السابقة (V = 0.333)، بينما كانت دقّة الحكم ما وراء المعرفي (p = 0.172) ومهارة الكتابة (p = 0.261) والتحفيز (p = 0.683) غير مرتبطة. وتابع الحكم ما وراء المعرفي الاستراتيجية فقط عندما لم يكن هناك دعم متاح (اختبار التقليب p = 0.0460). وحصل الطلاب بدعم الذكاء الاصطناعي التوليدي على أكبر المكاسب (نحو 4 نقاط في المتوسط تحت استراتيجية تقليص طلب المساعدة، مقابل −0.5 نقطة للاستراتيجية ذاتها بدعم الخبير البشري)، لكن لم ترتبط أي استراتيجية مراجعة بتغيّر الدرجة (H(3) = 3.895، p = 0.273)، فجاءت المكاسب من الأداة لا من تنظيم ذاتي أفضل. واتجاه المؤلفين هو أن الذكاء الاصطناعي التوليدي ينبغي أن يدفع إلى التأمّل في استراتيجية المراجعة بدل تقديم مساعدة مباشرة.
• يتبع الاستخدام التأملي التفكير النقدي لا اكتساب المعرفة. تابع Melanou et al. (2026) ثلاث صفوف متوازية من طلاب المعلوماتية التجارية (N = 87) على مدى مقرّر من تسعة أسابيع، بارتفاع المعرفة في كل مجموعة (F(1, 50) = 29.87، p < 0.001، η²p = 0.374) ودون أفضلية للذكاء الاصطناعي أو تفاعل الزمن × المجموعة أو أثر متّى (F(1, 48) = 2.46، p = 0.124؛ BF01 = 8.70). وكان الاستخدام التأملي (فحص المصادر والتحقّق من مخرجات الذكاء الاصطناعي قبل تبنّيها) أعلى بفارق معتبر في شرط الذكاء الاصطناعي (3.72 مقابل 2.82؛ F(1, 40) = 20.21، p < 0.001) وتنبّأ بالتفكير النقدي (β = 0.43، p < 0.001) لا باكتساب المعرفة، الذي تنبّأ به الحمل المعرفي الجَرماني (β = 0.51، p = 0.001). القراءة العملية هي أن الوصول إلى الذكاء الاصطناعي ليس تدخّلًا بذاته، وأن عائده ما وراء المعرفي يظهر في جودة الاستدلال قبل أن يظهر في درجات الاختبار.
• البنية، لا الذكاء الاصطناعي وحده، هي التي تُحرّك مكاسب التعلّم موجّه الذات. فبأخذ مراحل Zimmerman على التعليم الهجين القائم على المشاريع مع الذكاء الاصطناعي كسقالة معرفية-ذاتية أُنتج مكسب N-Gain مقداره 0.72 مقابل 0.28 للتعليم التقليدي (t = 8.47، p < 0.001، Priyambudi et al. (2026))، الذين يجادلون بأن الذكاء الاصطناعي يقوّي التنظيم الذاتي داخل بنية المهمة فقط — وأنّ الاستخدام غير المنظّم يُخاطر بالخمول المعرفي-الذاتي.

التعلّم موجّه الذات بوساطة النماذج اللغوية الكبيرة: سقالة أم اختصار أم شريك؟

تلتقي مجموعة من دراسات Learning Letters (2026) على توتّر محوري: يمكن لـالذكاء الاصطناعي التوليدي أن يبني سقالة للتنظيم الذاتي أو يعطّله أو يتشارك معه تبعًا للتصميم ولكيفية تنظّم المتعلّمين لاستخدامه. وتشير الأدلة إلى التعلّم موجّه الذات نفسه — لا الأداة — بوصفه المتغيّر الحاسم.

• يجد Viberg et al. أن النماذج اللغوية الكبيرة منسوجة في نظام طلب المساعدة طلب المساعدة متعدّد الطبقات بدل أن تحلّ محل الدعم البشري: يحاول الطلاب المهام بأنفسهم أوّلًا، ثم يستشيرون ChatGPT كخطوة أوّلة منخفضة العوائق، والزملاء للتفاوض المفاهيمي، والمدرّبين للمسائل العالية المخاطر. ويفضّلون طلب المساعدة الآلي (تلميحات، إرشاد خطوة بخطوة) على طلب المساعدة التنفيذي (حلول مباشرة)، ممارسين الثقة انتقائيًا ومحقّقين من المخرجات مقابل مواد المقرّر — عملية من أربع مراحل (تقرير ما إذا كانت المساعدة مطلوبة، واختيار من يُسأل، وتحديد نوع المساعدة، والحكم على المساعدة المتلقّاة) قابلة للقياس والتعليم.
• يؤطّر Atif & Dickson-Deane استخدام الذكاء الاصطناعي التوليدي بوصفه التفريغ المعرفي قد يكون مسْكَنًا (ينتقد المتعلّمون مخرجات الذكاء الاصطناعي ويكيّفونها، حافظين فاعلية المتعلّم وصناعة المعنى) أو بديليًّا (يقبل المتعلّمون المخرجات بأدنى تحقّق، ناقلين السيطرة إلى الأداة). ففي دراسة على 267 طالب دراسات عليا في تقنية المعلومات، أمكن للأداة ذاتها أن تبني سقالة للتعلّم موجّه الذات أو تختصره تبعًا لاستراتيجية المتعلّم — أظهر المستخدمون الواثقون قدرة في تحديد الأهداف والمراقبة؛ بينما رأى الأقلّون ثقةً في الذكاء الاصطناعي التوليدي اختصارًا أو إخلالًا سلوكيًا.
• يُظهران Lim & Bannert الخطر على نحو ملموس: استخدم الطلاب طوعًا روبوت محادثة ذكاءً اصطناعيًا توليديًا (73%) وحصلوا على درجات أعلى في المقالات، لكنهم فوّضوا الفهم والتركيب (طلبوا من روبوت المحادثة «استخراج الأفكار الرئيسية فقط») ولم ينخرطوا في أي تخطيط أو مراقبة تقريبًا — محوّلين قرارات تنظيمية محورية إلى الخارج. وهذا يعكس عجزًا إنتاجيًا: يملك الطلاب معرفة التعلّم موجّه الذات لكنهم يفشلون في نشرها تلقائيًا، فيجب على أدوات الذكاء الاصطناعي التوليدي أن تدفع إلى التأمّل (سقالة مراقبة) عندما تشير الاستعلامات إلى التفويض.
• يُظهران Song et al. أن التعلّم موجّه الذات هو في الوقت ذاته قدرة ثابتة وحالة متحرّكة: فخطوط الأساس الفردية متّسقة، لكن المعرفة ما وراء المعرفية والرفاه تتراجع منظوميًا على مدى الفصل الدراسي، مدفوعة بمواعيد التقييم. ويُظهران أن الذكاء الاصطناعي التوليدي قد يعمل شريك تعلّم واعيًا بالسياق عندما يُعطى بيانات شخصية وزمانية وسياقية — داعمًا الطلاب دون أن يحلّ محل جهدهم. وهذا يُحاجّ ضد التخصيص «الواحد يناسب الجميع» المبني على القدرة الأساسية وحدها.
• يُوسّع de Barba التعلّم موجّه الذات نظريًا، محتجنًا بأن المجال ضاق إلى التنظيم المركّز على المهام وإلى البدائل السلوكية القابلة للتحسين في تكنولوجيا التعليم. وتقترح الورقة حسابًا متعدّد المقاييس لـقدرة المتعلّم — التنظيم (داخل المهام)، والاندماج (عبر الزمن والسياقات)، والتموضع (نقديًا في علاقة بالشروط المؤطّرة للتعلّم) — بوصفه اتجاهًا تصميميًا للبيئات المختلَطة حسابيًا.
• يخفّف التنظيم الذاتي أثر التفويض ولا يُلغيه. يُظهر Chen (2026) أن الكتابة موجّهة الذات تُضعّف — دون أن تُلغي — الارتباط السلبي بين التفريغ المعرفي العميق ونتائج الاستقلال دون ذكاء اصطناعي في الكتابة المدعومة بالذكاء الاصطناعي التوليدي: فقد كان تفاعل التفويض مع التعلّم موجّه الذات إيجابيًا (B = 0.22)، مُسطّحًا الأثر من ميل −0.54 (تعلّم موجّه ذات منخفض) إلى −0.33 (تعلّم موجّه ذات مرتفع) دون إلغائه. وأنتج شرط الدعم المحدود الذي يقترن حدود التفويض بتأمّل إلزامي أقوى أداء مستقلّ، دليلًا على أن التنظيم ما وراء المعرفي يحمي المتعلّمين جزئيًا لكنه لا يعوّض كاملًا عن تفويض العمل المعرفي ذاته.

حيث يقبع التفويض الإيجاري داخل نماذج Winne. يُسطّح de Barba (2026) الآلية على التعلّم موجّه الذات بوصفها عمليات ينفّذها النظام مكان المتعلّم: فالملاحظة والمراقبة والحكم التقييمي تمارسها الأداة، ويُحلّ العائق بالبحث لا باختيار المتعلّم الخاص «إذا–فإنّ، وإلّا»، ومعايير الحكم يُستعارها ولا تُبنى. والقدرة التي يظنّ المتعلّم أنه يملكها بينما تملكها الأداة — التأجير الخفي — تكبت إشارة الخطأ التي كانت ستدفع إلى التنظيم، وعشر مسلّمات تحدّد ما يجب اختباره، بما فيها تكاليف أكبر في التأقلم المجالي وانحراف المعايير نحو نقاط مرجع النموذج ذاته.

الدرس الجماعي: التعلّم موجّه الذات هو الآلية الجوهرية التي تميّز الاستخدام النقدي من غير النقدي للذكاء الاصطناعي. فما إذا كان الذكاء الاصطناعي التوليدي يعمل كسقالة أو اختصار أو شريك يتوقّف على القدرة التنظيمية للمتعلّمين وعلى ما إذا كانت الأدوات مصمّمة للحفاظ (بدل إزالة) المطالب التنظيمية التي تبني الخبرة.

وأيّ دعم يكون مطبّقًا يحدّد أي وسيط يحمل الارتباط: فبين 3,003 معلّم صيني ما قبل الخدمة، ربط الدعم المدرَك من أداة الذكاء الاصطناعي بالكفاءة الابتكارية أساسًا عبر الكفاءة الذاتية الذاتية تجاه الذكاء الاصطناعي (60.88% من الأثر الكلي لذلك المسار)، بينما ربط الدعم المدرَك من البيئة الذكية المدرسية أساسًا بالتعلّم موجّه الذات (29.64% مقابل 18.60%) (Liu et al. (2026)).

الدلالات

• لأدوات التدوين/روبوتات المحادثة: ادمج تعليم التعلّم موجّه الذات (المقرّر-المبني) مع دعم كتابة اختياري للحصول على مكاسب في الدافعية والمشاركة معًا
• لمصمّمي الأدوات: اجعلوا التقييم خطوة مطلوبة لا اختيارية. وجد Iqbal et al. أن الدعم المتاح، لا الحكم ما وراء المعرفي للمتعلّم، هو ما قرّر استراتيجية المراجعة التي استخدمها الطلاب وأن مكاسب درجات الذكاء الاصطناعي التوليدي لم تأتِ من تنظيم أفضل، بينما وجد Melanou et al. أن الاستخدام التأملي تنبّأ بالتفكير النقدي حيث لم يتنبّأ مجرّد الوصول إلى الأداة. فالتفاعلات التي تطلب من المتعلّمين التحقّق والمقارنة وإعادة الاستراتيجية هي التي تحمل قيمة التعلّم.
• للمدرّبين: تعاملوا مع الوعي ما وراء المعرفي المبني على الذكاء الاصطناعي كأوّل رافعة وافحصوه صراحة. فقد وجد Alatoai and Alshahri أنه أقوى متنبّئ بالأداء التكيّفي في مجالات العلوم والتكنولوجيا والهندسة والرياضيات (β = 0.38) وأن النقل والتكيّف جاءا ثانيًا (β = 0.29)، فأنشطة تفحّص الطلاب فيها الأخطاء وتنقل استراتيجية إلى سياق مشكلة جديد تفعل أكثر من المطالبات العامة بالاستدلال النقدي أو الإبداعي.
• لـسياسات الذكاء الاصطناعي: يجب أن تسأل معايير الشراء ما إذا كانت الأداة تطوّر التنظيم الذاتي أو تزيحه
• لـالباحثين: الدراسات الطويلة الأمد التي تقيس نتائج التعلّم موجّه الذات (لا الأداء الفوري وحده) ضرورية؛ ويُظهر Melanou et al. عائد ذلك الصبر، إذ حرّك الاستخدام التأملي لفصل دراسي التفكير النقدي (β = 0.43) دون تحريك اكتساب المعرفة.

الوكلاء المحادثيون والتعلّم موجّه الذات في ألعاب المحاكاة

• وكلاء محادثون يدعمون التعلّم موجّه الذات في الألعاب. يُظهر Wenzel, Geiger, and Liening (2026) أن وكيلًا محادثيًا بالذكاء الاصطناعي (Lara) في لعبة أعمال المحاكاة يمكنه دعم التعلّم موجّه الذات عبر تغذية راجعة تكوينية قائمة على المقاييس، وإرشاد عند الطلب، وتأمّل منظّم — وهو يعالج القيد الشائع بأن ألعاب المحاكاة تقدّم تغذية راجعة تكوينية ومطالبات تأمّل محدودة. وأفادت التقييمات مع معلّمي الطلاب ومشاركي BSG بإدراكات إيجابية عن الحضور المعرفي والحضور الاجتماعي للوكيل وعن دعمه للتنظيم الذاتي.

الكشف الآلي عن التعلّم موجّه الذات: ما ينتقل وما لا ينتقل

• تنتقل مصنّفات التعلّم موجّه الذات القائمة على التضمين بين اللغات داخل مجال، لا بين المجالات. وجدت دراسة على 26 طالبًا (كيمياء ومنطق رسمي؛ بروتوكولات تفكير بصوت مرتفع مشفّرة بنموذج Winne-and-Hadwin) أن النماذج القائمة على التضمين (text-embedding-3-small) المدربة على الإنجليزية تصنّف التعلّم موجّه الذات الألماني بنحو 0.8 AUC مع تدهور نحو 0.1 — باستثناء الإنفاذ (نحو 0.7). ويفشل النقل بين المجالات: فهبوط الكيمياء إلى المنطق إلى نحو 0.6، والإنفاذ إلى مستوى العشوائية (نحو 0.5) — فالجدار المجالي، لا اللغة، هو المُلزِم.
• تشرح ثلاثة أنماط فشل مكان انكسار النقل. (1) حلّ المفهوم بالمعنى اليومي لا المجالي — «cancel» مقابل «kürzen» الكيميائية — يكسر تصنيف الإنفاذ. (2) التجسيم — خاطب الطلاب الألمان، غير المعتادين على مدرّب مسكن بكثافة، الأداة كشخص، منتجين عبارات خارج التوزيع؛ وكان النقل أفضل على المنصّات الأقلّ سكنًا. (3) الغموض بين قراءة التلميح وصياغة الخطة — لا تستطيع النماذج التمييز بين قراءة تلميح ما وراء معرفي والتخطيط دون بيانات سجلّ. وإدراك الأخطاء متين عبر كل شرط — فملاحظة أنك مخطوء مستقلّة عن السياق. والحلول: قواميس خبرة أو ضبط دقيق للمصطلحات المجالية؛ وبيانات السجلّ للتلميحات. (Large language models generalize SRL prediction to new languages within but not between domains)

المفاهيم المرتبطة

• المتعلّمون — المتعلّمون: المظلة لمفاهيم جانب المتعلّم
• ما وراء المعرفة — المراقبة المعرفية التي يعتمد عليها التعلّم موجّه الذات
• التقييم الذاتي
• الكفاءة الذاتية — معتقد من مرحلة ما قبل الفعل يدفع الجهد
• السقالة — دعم متدرّج يحفظ المطلب التنظيمي
• التغذية الراجعة — المدخلات التي ينظّم المتعلّمون حولها
• ثقافة التغذية الراجعة — القدرة على الاستجابة للتغذية الراجعة
• طلب المساعدة — سلوك استراتيجي في التعلّم موجّه الذات
• التحفيز — الشريك المتبادل للتنظيم الذاتي
• التفريغ المعرفي — الخطر عندما يُزيل الذكاء الاصطناعي العمل التنظيمي
• الذكاء الاصطناعي التوليدي — التقنية التي قد تبني سقالة للتعلّم موجّه الذات أو تعطّله
• ثقافة الذكاء الاصطناعي — الكفاءة التنظيمية في استخدام الذكاء الاصطناعي
• التعلّم الموجّه ذاتيًا — مفهوم الاستقلالية الأوسع
• فاعلية المتعلّم — قدرة المتعلّم على الفعل بمقصود، محوريّة للتنظيم والاندماج والتموضع
• التعلّم التكيفي — تخصيص قد يدعم التنظيم
• التقويم البنّاء — تغذية راجعة متصلة للتنظيم
• التعلّم بالتعليم — استراتيجية تبني التنظيم الذاتي
• التدريس الذكي — أنظمة تبني سقالة للتعلّم موجّه الذات
• النماذج اللغوية الكبيرة (LLMs) — النموذج الأساسي لأدوات الذكاء الاصطناعي
• الاسترجاع والتباعد والتداخل — جدولة واختبار ذاتي واختيارات استراتيجية الدراسة التي يتّخذها المتعلّمون
• الاستسلام المعرفي

المقالات المرتبطة

• AIGC affordance and student self-regulation in private undergraduate education: a serial mediation model — AIGC Affordance and Student Self-Regulation

• AI-interaction literacy: reflections on how generative AI might be used to support self-regulated learning in higher education — AI-interaction literacy: steering a chatbot demanded the SRL it was meant to support (Brunnström & Palmqvist 2026)

• The 5P Reflection Model for Education in the Generative Artificial Intelligence (GenAI) Era — The 5P reflection model for the GenAI era (Kadel et al. 2026)

• Layer-Sensitive Cognitive Offloading in Generative AI-Assisted Writing: Supported Performance and Independent No-AI Outcomes — Layer-sensitive cognitive offloading in GenAI-assisted writing (Chen 2026)

• Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education

• Learner Agency Across Scales: An Integrative Perspective on Self-Regulated Learning in Algorithmically Mediated Environments — Learner agency across scales: regulation, integration, positioning

• The Rented Self: How AI-Enabled Tools Decouple Performance From Becoming — The rented self: rental mapped onto Winne's SRL models, with ten propositions and within-learner indices

• GenAI as a Learning Partner: Supporting Self-Regulated Learning Over Time Without Replacing Effort — GenAI as a context-aware learning partner over time

• How Do Students Regulate Their Learning With a GenAI Chatbot? — How students regulate learning with a genAI chatbot

• Scaffold or Shortcut? Postgraduate IT Students' Use of Generative AI and Self-Regulated Learning — Scaffold or shortcut? GenAI dual role in SRL

• Efficiency vs. Effectiveness: Self-Regulated Learning with LLM-Mediated Help-Seeking — LLM-mediated help-seeking in STEM: layered, instrumental, and verified

• Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task

• Fostering self-regulated learning through adaptive learning technology: A differentiated perspective on the role of feedback

• A systematic mapping review at the intersection of artificial intelligence and self-regulated learning

• Supporting self-regulated learning through generative AI feedback in online higher education: the importance of student perceptions of the source of feedback — GenAI feedback and SRL: perceived source matters

• From AI Anxiety to Strategic Regulation: How University Students Transform Generative AI into a Strategic Learning Resource — From AI anxiety to strategic regulation

• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — Mixed evidence on metacognition/self-regulation with GenAI

• Agentic AI and Pedagogical Best Practice: The Tension Between Automation and Learning — Agentic AI and the self-regulation tension

• Decreasing Digital Distraction in College Students: Associated Online Learning Strategies Identified by Unsupervised — SRL and lower digital distraction in online learning (Shi et al. 2026)

• Making machine learning findings accessible to teachers in blended classrooms — Making ML findings accessible to teachers in blended classrooms

• SCAN: A Decision-Making Framework for Task Assignment with Generative AI — SCAN: a learner-facing loop of task identification, justification and post-task reflection

• Using Learning Analytics to Support Secondary School Students' Writing with Generative AI — Using Learning Analytics to Support Secondary School Students' Writing with Generative AI

• Exploring the Impact of AI-Based Learning Environments on Student Self-Regulation and Adaptive STEM Learning — A validated instrument for AI-supported self-regulation in adaptive STEM learning, with metacognitive awareness as the strongest predictor

• Human or GenAI Support? Conditions Impacting Students' Strategy Choices in an Essay Revision Task — Support condition, not metacognitive judgment, drove revision strategy choice in an essay-revision experiment

• Generative AI and Learning Dynamics in Higher Education: A Longitudinal Empirical Study — Longitudinal: reflective AI use predicted critical thinking but not knowledge gain, with no Matthew effect

• GenAI literacy and GenAI-assisted self-regulated learning behaviors: the roles of learning agency and challenge emotions — GenAI literacy related to self-regulated learning behaviors mainly through learning agency

• Pre-Service Teachers' Perceptions of AI Technological Support and School-Based Intelligent Environment Support: Model-Based Indirect Associations with Innovative Competence via AI Self-Efficacy and Self-Regulated Learning — Support type flips the mediator: AI self-efficacy vs self-regulated learning

• GenAI Use and GenAI-Assisted Learning Procrastination in University Students: The Roles of Planned Behavior Constructs and Learning GenAI Anxiety — GenAI-assisted learning procrastination: an intention-behavior gap that anxiety strengthens

• Generative artificial intelligence-supported self-regulated learning (GenAI-SRL) in L2 writing: scale development, validation, and short-form construction — A validated six-dimension GenAI-SRL scale for L2 writing, with environmental regulation as its own dimension and a 12-item ant-colony-optimized short form

• Large language models generalize SRL prediction to new languages within but not between domains — Large Language Models Generalize SRL Prediction to New Languages Within But Not Between Domains (Borchers et al. 2025)

• A Project-Based Hybrid Learning Model Using Artificial Intelligence to Enhance Students' Self-Regulated Learning — نموذج تعلّم هجين قائم على المشاريع باستخدام الذكاء الاصطناعي لتعزيز التعلّم موجّه الذات لدى الطلاب