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

تفاعل الطالب مع الذكاء الاصطناعي

تاريخ الإنشاء 2026-10-12

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

تفاعل الطالب مع الذكاء الاصطناعي — الأنماط والعمليات والعمل المعرفي في كيفية انخراط المتعلّمين مع أنظمة الذكاء الاصطناعي التوليدي أثناء التعلّم وحل المشكلات. فـالأبحاث هنا تُوصف ما يطلبه الطلاب من الذكاء الاصطناعي، وكيف تتطوّر المطالبات والحوارات، وكيف تتصل جودة التفاعل بـمخرجات التعلّم، والتفريغ المعرفي، والفاعلية.

أسئلة للتفكر

  • فكّر في المطالبات القليلة الأخيرة التي كتبتها أنت (أو كتبها طالب) لذكاء اصطناعي. فهل تصف معظمها بأنها طلبٌ للإجابة، أم بأنها مطالبة للذكاء الاصطناعي أن يشرح أو يستقصي أو يقيّم؟ وما الذي تشكّ أن هذا النمط يفعله بالتعلّم؟
  • يجد البحث أن مجموعة فرعية صغيرة من أنواع الأسئلة تُشكّل معظم استفسارات الطلاب، وأن الأسئلة تتغيّر مع تقدّم المهمة. فلماذا تعتقد أن تساؤلات الطلاب تضيق، وماذا يقترح ذلك عن كيفية استخدامهم للأداة؟
  • تزعم الصفحة أن المطالبات السطحية الباحثة عن الإجابات مرتبطة بانخفاض التعلّم وزيادة الاعتماد المفرط، بينما يدعم التفاعل التأمّلي الموجَّه نحو التحقّق الفهم. فما الذي تظنّه يفصل المطالبة «الجيدة» عن «السيّئة» — وهل تلك مسؤولية الطالب أم مسؤولية تصميم الأداة؟
  • فإذا كانت جودة التفاعل مُشكَّلة بسياق المهمة والسقالات لا بكونها سمة ثابتة للطالب، فكيف قد يُعاد تصميم مقرر أو أداة لدعوة نطاق أوسع وأكثر إنتاجية من الاستفسار؟
  • وكيف تعرف ما إذا كان حوار طالب طليقًا مع الذكاء الاصطناعي يعكس تعلّمًا حقيقيًا لا تفويضًا ماهرًا فحسب — وبماذا تتحقّق لتعرف ذلك؟

مقدّمة

تفاعل الطالب مع الذكاء الاصطناعي هو السطح المرئي لـانخراط المتعلّمين مع الذكاء الاصطناعي التوليدي — الأسئلة التي يطرحونها، والمطالبات التي يكتبونها، وطريقة تفاوضهم على مخرَج الذكاء الاصطناعي والتحقّق منه، وكيف تتحوّل تلك الأنماط عبر مراحل المهمة ومع الوقت. وهو يقع عند تقاطع تجربة الطالب، وهندسة المطالبات، وتحليلات التعلّم، وهو محوري في النقاشات حول ما إذا كان استخدام الذكاء الاصطناعي في التعليم يمثّل تعلّمًا حقيقيًا أم اعتمادًا مفرطًا. فحيث يؤطّر التعاون بين الإنسان والذكاء الاصطناعي التقسيم عالي المستوى للعمل المعرفي بين الناس والنماذج، فإن تفاعل الطالب مع الذكاء الاصطناعي هو التمثّل الملموس والقابل للقياس لتلك العلاقة — أي الاستفسارات والمطالبات وحركات التفاوض المحدّدة التي يمارسها المتعلّمون لحظةً بلحظة.

ما يطلبه الطلاب من الذكاء الاصطناعي

يقيس مَنهجٌ بحثي جوهري أنواع استفسارات الطلاب وجودتها. فتطبّق الدراسات تصنيفات لأنواع الأسئلة — كتصنيف Graesser et al. ذي الأنواع الثمانية عشر مثلًا — لتصنيف تفاعلات الطالب مع الذكاء الاصطناعي، وكثيرًا ما تستخدم مصنّفات قليلة الأمثلة لتوسيع نطاق التحليل على مئات أو آلاف التفاعلات. وتشير النتائج إلى أن مجموعة فرعية صغيرة من أنواع الأسئلة تُشكّل أغلب استفسارات الطلاب، وأن الأسئلة التي يطرحها الطلاب **تتغيّر تغيّرًا جوهريًا مع تقدّم المهمة» (مثل Analysis of Types of Inquiries in Student-AI Interaction: A case study of two CS2 tasks). وهذا الاعتماد على المهمة مهمّ: فجودة التفاعل ليست سمةً ثابتة للطالب بل هي مُشكَّلة بسياق المسألة، والسقالات، وإتاحات أداة الذكاء الاصطناعي. وفي أصغر الأعمار، وجد Vahedian Movahed & Martin (2025) أن الأطفال (من 6 إلى 14 سنة) اختبروا مصداقية روبوت حواري بنشاط بطرح أسئلة ذات إجابات معلومة (مثل «ما حجم ديناصور تي ركس؟») — وهو تعبير عن الفاعلية المعرفية الذاتية — بينما طرح الطفل النمطي 1 إلى 3 أسئلة فحسب، وطرح طالب في الصف الأول استثنائي 21 سؤالًا، مما يؤكّد كيف يشكّل التطوّر والتباين الفردي الأسئلة التي يطرحها المتعلّمون.

ولا تتفق التصنيفات نفسها بعد: فعبر 46 تصنيفًا من 33 دراسة، تُسمّي تسميات متشابهة ظواهر مختلفة، لذا تقترح المراجعة حلقة التفاعل — أي تبادلًا موجَّهًا بهدف ومحدودًا زمنيًا — كوحدة تمتدّ على اكتساب المعرفة، والتغذية الراجعة التقييمية، والتوجيه الاستراتيجي، والاستقصاء الحواري، وتحسين المُنتَج، والتنظيم المشترك (Borchers, Jansen & Weidlich (2026)).

وتُكمل Yan et al. (2026) دراسات التصنيف هذه بوصف شكل الحوار في استفسارات الطلاب. فبين 38 طالبًا جامعيًا في المرحلة الجامعية الأولى يُنجزون مقالات جدلية بلا إشراف، استخدم 76.32% نمط السؤال–تلقي الإجابة–التوقّف بدور واحد — ولصقوا عنوان التقييم عادةً دون تحديد احتياجاتهم وأعادوا تقديم مطالبات متطابقة حين لم يرضوا — والتقط 78.94% الذكاء الاصطناعي التوليدي في بداية المهمة (الأفكار، والخلفية) أو نهايتها (الصقل، والطول) فقط، مُبعدينه عن القراءة وعن الكتابة المستقلة؛ ولم يَسُقْ سوى 23.68% حوارًا تبادليًا متكرّرًا بأسئلة متابعة واستدلالهم هم. ويضع الكُتّاب هذه الأنماط على طيف يمتدّ من التفويض المعرفي إلى إعادة التخصيص المعرفي — وهي مماثل عصر الذكاء الاصطناعي التوليدي للمقاربات السطحية مقابل العميقة في التعلّم — ملاحظين أن معظم الطلاب تصوّروا الأداة كمحرّك بحث مُرقَّق، وهو ما حصرهم في طرف التفويض.

وبإعادة تأطير هذه الأنماط كعمل معرفي، وجد تحليل 200 جلسة برمجة مشتركة أن 78.8% من تفاعلات الطالب مع الذكاء الاصطناعي التوليدي رمت إلى أهداف واستراتيجيات غير تمكُّنية كالتفويض الخارجي أو طلب التحقّق، وأن 11.1% فقط قرنت أهدافًا موجّهة نحو التمكّن بتبرير معرفي (Wu (2026)).

ويُتيح ترميز 50 تبادلًا مُعايَنًا تصنيفًا ثلاثيًا للسلوك نفسه: فقد صنّف Zahra (2026) 46% منه كمراجعة انفعالية، حيث يعمل النموذج كعرّاف ويُقبَل المخرَج بتدقيق قليل، و18% كسؤال مباشر، و36% كحوار استراتيجي، مقرنًا التوزيع بحجّة تصميمية تضع القيد أولًا (كابا = .48 بين المرمّزين). ومسح سبعة مهام على 211 طالبًا في الحوسبة يصل إلى النتيجة نفسها من الاتجاه المعاكس: فقد قاس Nizamani et al. (2026) تبنّي النماذج اللغوية الكبيرة من 89.6% في الخوارزميات إلى 15.2% في هندسة البرمجيات، ونسب الفارق إلى تعقيد المهمة وقابلية التحقّق والسقالات لا إلى المجال الفرعي.

جودة التفاعل والتعلّم

يربط مَنهجٌ تكميلي شكل التفاعل بالتعلّم. فالمطالبات السطحية أو الضيّقة عادةً (مطالبةُ الذكاء الاصطناعي بإنتاج الإجابة بدل شرحها أو استقصائها أو تقييمها) مرتبطة بانخفاض التعلّم وزيادة الاعتماد المفرط، بينما يدعم التفاعل التأمّلي الموجَّه نحو التحقّق ما وراء المعرفة والفهم الدائم. وهذا يربط تفاعل الطالب مع الذكاء الاصطناعي بتصميم التدريس الخصوصي الذكي ارتباطًا مباشرًا: فتُبنى الأنظمة لدعوة نطاق أوسع وأكثر إنتاجية من الاستفسار ولسقالة طرح الأسئلة بدل الإجابة فحسب. ولا يلزم أن يجري التفاعل عبر مطالبات باحثة عن الإجابات أصلًا — فحين ينقد الذكاء الاصطناعي عمل الطلاب هم، يصير التبادل حوارًا تأمّليًا موجَّهًا نحو التحقّق: ففي Oppenheimer, Cash & Connell Pensky (2025)، أظهرت استجابات المتعلّمين لـمقال تغذية راجعة من نموذج لغوي كبير تأمّلًا في 92.7%، وقبولًا في 93.6%، وردًّا فعّالًا على دعاوى النموذج اللغوي الكبير في 87.8% من الحالات (بمعاملات كابا بين المقيّمين = 0.81–0.89)، وتَحسّنت استجابتهم لـجودة التغذية الراجعة عبر التكرارات كمهارة قابلة للتعلّم. ولا يلزم أن يجري الجانب التأمّلي من التفاعل عبر المطالبة المباشرة — ففي CoBi، انخرط الطلاب مع تمثيلات بصرية على مستوى الصف لكلامهم التعاوني هم وتداولوا في الحالات التي بدت فيها تصنيفات الذكاء الاصطناعي خاطئة، محوّلين التصنيفات الخاطئة الظاهرة إلى فرص لمعايرة فهمهم لقدرات الذكاء الاصطناعي وحدوده (معايرة الثقة) بدل قبول مخرَجه قبولًا خالصًا. وللرابط بين شكل التفاعل والتعلّم حدٌّ، مع ذلك: يفصل Page (2026) بين التكرار الحواري والتكرار المعرفي على أساس أن متعلّمًا قد يحسّن مخرَجًا عبر أدوار كثيرة بينما يبقى النموذج الذهني الكامن خلفه دون تغيّر، فدليل التعلّم هو تغيّر في موقف المتعلّم المعرفي لا في طول التبادل أو طلاقته — فعدد الأدوار ليس بديلًا عن عمق الانخراط.

فالتفاعل، لا الأداة، هو ما يثبّت المسار: ففي تجربة ميدانية شملت ما يقارب 1,000 طالب رياضيات في المرحلة الثانوية، رفع GPT-4 غير المقيَّد درجات التدريب 48% لكنه خفض درجات الامتحان دون مساعدة 17%، بينما رفع النموذج نفسه المقيَّد بتلميحات صمّمها المعلّم التدريب 127% وألغى العجز إلى حدٍّ كبير (Lee, 2026).

وما تتبّع النجاح هو مطالبةُ الطلاب بفعّالية، لا مقدارها: فقد كانت كفاءة استعلام الذكاء الاصطناعي وحل المشكلات المدفوع بالذكاء الاصطناعي أقوى متنبّئين بالأداء الأكاديمي عبر 128 طالبًا في الهندسة، وبقيت دالّة إحصائيًا بعد ضبط المعدل التراكمي (Isaza Dominguez et al. (2026)).

والسياق السلوكي إشارة منفصلة عن السؤال نفسه: ففي عمليات نشر TutorTrace الأربع (480 متعلّمًا، ونحو 180,000 حدث في بيئة التطوير المتكاملة)، خفّض اشتراط المساعدة على الحالة السلوكية الحديثة للمتعلّم الفواصل بين الاستعلامات التي لا عمل مستقلّ بينها من 50.0% إلى 20.7%، وكانت الاستعلامات الوشيكة قابلة للتنبّؤ من السلوك وحده (AUROC = .726) (Barron et al. (2026)).

فالكثافة ليست الآلية: فتبادل الطلاب بين الصوت والنص ضاعف أدوار الحوار في الدقيقة تقريبًا (1.34 مقابل 0.75) دون تغيير التمكّن الأسبوعي، ويقرأ الكتّاب تأمّل الوسيط المكتوب البالغ وسيطه 26 ثانية قبل أول ضغطة مفتاح كفعل الترميز ذاته (Yang, Van Alstyne and Dellarocas (2026)).

وقد تبقى حلقة التحقّق سطحية: فتحليل التسلسل المتأخّر لنشر فاعل نموذج لغوي كبير مدّته أربعة أسابيع في مقرر قواعد بيانات جامعي وجد دورة استعلام–تقييم–استعلام دالّة إحصائيًا، لكنه وجد حلقات انتقال ذاتي قوية داخل حالات من المستوى الأدنى و3.92% فقط من التفاعلات بلغت الإدراك من المستوى الأعلى (Li et al. (2026)).

ويوثّق Bernstein and Sibia (2026) نمط التنقيح المتكرّر في كيفية تعامل طلاب CS2 مع تفسيرات الذكاء الاصطناعي التوليدي (Flawed but Memorable: Student Critical Reception of Interest-Personalized GenAI Analogies in Computing Education): فيتقاطعوا مراجعتها مع ملاحظات المحاضرة، ويطالبون بإثبات المصدر («سأكون متشككًا كثيرًا... بدونه»)، ويستقصون بأسئلة متابعة عن التناقض بدل إصدار حكم واحد بالقبول أو الرفض. ويقرأ الطلاب التفسيرات أيضًا بحسب معرفة وخلفية افترضوها — معرفة مسبقة مفترضة تتجاوز المنهج، ومراجع افتراضية للرياضة والألعاب («الجانب الأكثر هيمنةً للذكور في الحوسبة»)، وتكرارًا مفرطًا عملت جميعها كإشارات عن القارئ المتخيَّل، مع قراءة السقالة المفرطة كإشفاق لا كعدم كفاءة فحسب.

واستشارة الذكاء الاصطناعي في نقطة صحيحة من المهمة لا تقلّ أهمية عن صياغة المطالبة الفردية: ففي الدراسة نفسها، وجد Yan et al. (2026) أن الأقلّية الموجَّهة نحو إعادة التخصيص بدّلت بين العمل المستقل واستشارة الذكاء الاصطناعي التوليدي وأبلغت عن جهد كليّ لم يتغيّر لكن بتركيزٍ مُنتقَل — بنقل الموارد من البحث إلى التحقّق من جودة الحجة الجدلية واتزانها، وكتابة ملاحظات تأمّل بعد الجلسات لمواجهة الاستبقاء السطحي — بينما وقع متعلّمون لديهم أهداف تمكّن لكن ثقافةً ضعيفة بـالذكاء الاصطناعي في «مفارقة الكفاءة»، فأفرغوا الحمل المعرفي «لا بنيّة، بل تقصيرًا».

من التفاعل إلى التربية

يُبلّغ وصف تفاعل الطالب مع الذكاء الاصطناعي تصميم التعلّم: فيستطيع المعلّمون ملاحظة متى تكون أنماط تساؤل الطلاب ضيّقة أو سطحية وتصميم تدخّلات تُوسّع الاستقصاء؛ وينتقل دور المعلّم نحو تدريب الطلاب على التفاعل الإنتاجي مع الذكاء الاصطناعي. وهو يؤسّس أيضًا مناهج ثقافة الذكاء الاصطناعي التي تعامل المطالبة والتحقّق الفعّالين كمهارتين قابلتين للتعلّم لا كقدرتين فطريتين.

وقد تُزيح رافعات التصميم ذلك التقصير: ففي مقرر فيزياء غير متزامن ضمّ نحو 70 طالبًا كان المُنتَج المقدَّر هو نص الحوار لا الإجابة، مع ذلك طلب كثير من الطلاب قوائم طويلة من الأسئلة دون الإجابة على متابعات النموذج السقراطية — وهو نمط الإخفاق الذي كُتبت المعايير لرصده (Rodriguez & Wulff (2026)).

والمطالبات التي يكتبها المعلّمون إحدى تلك الروافع، لكن الصرامة المنفَّذة تتخلّف عن الهدف: فعبر 1,479 محادثة، قصر 38% عن مستوى عمق المعرفة الذي قصد المعلّم، مقتربًا من 50% عند DOK 3، بينما ضيّقت خطوط النهاية الصريحة تلك الفجوة بمقدار 0.22 مستوى، وخفض ضابط «لا إجابات مباشرة» معدّلات الإجابة النهائية من الذكاء الاصطناعي بمقدار 8.5 نقطة مئوية (Liu et al. (2026)).

وعدم الاستخدام نمط تفاعل بذاته يلزم أن تُخطّط له التربية. فقد وجد Zou et al. (2026)، وهم يدرسون 85 طالب معلّم في ثلاثة مقررات كان فيها استخدام الذكاء الاصطناعي التوليدي في التقييم مسموحًا به صراحةً، أن 62.4% (53 من 85) رفضوا استخدامه كليًا، وهو أدنى بكثير من نسبة التبنّي البالغة 79–83% التي شوهدت في مسوح بريطانية وأسترالية مماثلة، وأن استخدام المتبنّين كان سطحيًا وتصحيحيًا لا توليديًا (تدقيق لغوي 43.8%، وفحوص وضوح 34.4%، وتوليد نصوص 18.8% فقط). وتتبّعت خياراتهم تصميم التقييم والثقافة المؤسسية لا الصعوبة التقنية: فخاف 41.5% من غير المتبنّين من اتهامهم بظلم بـالسرقة الأدبية، وقرأ تسعة من أحد عشر ممن أُجريت معهم مقابلات السياسة المتساهلة نفسها كمصيدة محتملة. والفجوة بين 32 مستخدمًا أفادوا بهم المسح و28 إفصاحًا ذاتيًا تُظهر أن تفاعل الطلاب المُبلَّغ عنه مع الذكاء الاصطناعي مُشكَّل بالعواقب المقدَّرة عليه — وهو تحفّظٌ قياسي في حسابات تحليلات التعلّم لتفاعل الطالب مع الذكاء الاصطناعي.

المجال الدراسي والانخراط المعرفي في حوار الطالب مع الذكاء الاصطناعي

  • الانخراط المعرفي المرتبط بالمجال الدراسي في حوار الطالب مع الذكاء الاصطناعي. يحلّل Chang and Li (2026) مطالبات الطلاب إلى الذكاء الاصطناعي عبر 116 مقررًا بتصميم داخل الشخص وعبر التخصصات، مُظهرين أن محادثات الطالب مع الذكاء الاصطناعي تعكس انخراطًا معرفيًا مرتبطًا بالمجال الدراسي لا أساليب تفاعل فردية ثابتة. فمع أن نحو 62% من المطالبات شُفّرت طلبًا معرفيًا من المستوى الأعلى إجمالًا، تباينت ملامح مستوى بلوم تباينًا حادًّا بحسب المجال الدراسي: فمقررات العلوم والتقنية والهندسة والرياضيات استجابت مطالبات يسود فيها «التطبيق» (20.8%)، ومقررات اللغات مطالبات يسود فيها «الفهم» (31.7%)، ومقررات العلوم الاجتماعية مطالبات يسود فيها «الإبداع» (33.8%). وأكّدت المقارنات المزدوجة داخل الشخص أن الطلاب أنفسهم أنتجوا مطالبات من المستوى الأعلى أكثر في العلوم الاجتماعية مما أنتجوها في مقررات العلوم والتقنية والهندسة والرياضيات (n مجمَّعة = 16، p < .001)، وتجاوز التباين على مستوى المقرر التباين على مستوى الطالب — وهي حجّة قوية على أن مساعدي التدريس بالذكاء الاصطناعي يلزم أن يُصمَّموا ويُقيَّموا مع وضع السياق التخصصي في الحسبان.

المفاهيم المتصلة

المقالات المتصلة

البيانات الوصفية

المستوىHigher Ed
الجمهور المستهدفLearners
التعلم والتعليمتفاعل الطالب مع الذكاء الاصطناعي
التقنيات والأساليبالذكاء الاصطناعي التوليدي, التدريس الذكي, تحليلات التعلّم, النماذج اللغوية الكبيرة (LLMs), هندسة المطالبات
أساسيات الذكاء الاصطناعي في التعليمالتفريغ المعرفي
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.