تجربة الطالب

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

تجربة الطالب — كيف يدرك المتعلّمون أدوات الذكاء الاصطناعي ويتفاعلون معها ويتأثرون بها في الإعدادات التعليمية. فمع أكثر من 85 مقالًا في قاعدة المعارف، تُعدّ تجربة الطالب واحدة من أكثر أبعاد الذكاء الاصطناعي في التعليم بحثًا. ويؤثر الذكاء الاصطناعي في الطلاب في اتجاهين إيجابي وسلبي، ويمكن للأداة نفسها أن تساعد وأن تضرّ بحسب كيفية تصميمها واستخدامها.

Questions to Consider

• تزعم الصفحة أن الذكاء الاصطناعي يؤثر في الطلاب في اتجاهين إيجابي وسلبي، غالبًا في الوقت نفسه — فالأداة نفسها يمكنها أن تساعد وأن تضرّ بحسب التصميم والاستخدام. فهل يمكنك إعطاء مثال من خبرتك الخاصة حيث ساعد الذكاء الاصطناعي وأضرّ في الوقت نفسه؟
• وهي تصف "فجوة الأداء–التعلّم": فأداء الطلاب أفضل بالذكاء الاصطناعي لكن أسوأ في المهام اللاحقة بلا مساعدة. فكيف تعتقد أن تلك الفجوة تنشأ، وما الذي يلزم لإغلاقها؟
• إذا كان الإفراط في الاعتماد على الذكاء الاصطناعي يعني تفويض الاستدلال الذي تحتاج فعلًا ممارسته، فأين ترسم الخط بين المساعدة المشروعة والإحمال الذي يفتّ التعلّم؟
• يسأل البحث عمّا إذا كان مجرد العلم بتوفّر الذكاء الاصطناعي يغيّر جهد الطالب. فهل تعتقد أن الوعي بالذكاء الاصطناعي يجعل الطلاب يعملون بجهد أكبر أو أقل أو بشكل مختلف — وكيف تختبر اعتقادك؟
• وبالنظر إلى أن الوصول إلى الذكاء الاصطناعي وفعاليته يتفاوتان عبر فئات الطلاب، فما مخاوف الإنصاف التي ترى أنها الأهم عندما يتبنّى مقرر أداة ذكاء اصطناعي، ومن المسؤول عن معالجتها؟

Introduction

How student experience is studied

• الاستطلاعات واسعة النطاق: يحلّل AI in the Wild التفاعلات الحقيقية لآلاف طلاب الجامعات، بينما تربط دراسات التوافر والرضا الوصول إلى الذكاء الاصطناعي بنتائج الطلاب. وهذه مقاييس تقرير ذاتي: فهي تقتنص التصورات والنوايا جيدًا والسلوك تقريبيًا فقط.
• عدم الاستخدام موقف معقول، لا فجوة تُغلق. وجد استطلاع بريطاني عابر للمؤسسات لـ7,087 طالبًا أن 32% لم يستخدموا الذكاء الاصطناعي التوليدي في الدراسة على الإطلاق، مع ذكر غير المستخدمين أنهم يريدون أداء العمل بأنفسهم (86%)، وعدم الدقة (81%)، والمخاوف الأخلاقية أو البيئية (Gow et al., 2026).
• أنماط التفاعل: يرسم Tracing GenAI literacy كيف ينخرط الطلاب مع الذكاء الاصطناعي عبر المهام. ويكشف تحليل التوجيه مستويات الانخراط المعرفي عبر بنية الموجّه.
• الدافعية والفاعلية: يفحص توافر الذكاء الاصطناعي والدافعية عمّا إذا كان العلم بتوفّر الذكاء الاصطناعي يغيّر جهد الطالب. ويؤطّر مهمة تعليم الذكاء الاصطناعي غير المكتملة الفاعلية والدافعية بوصفهما تحديين مركزيين.
• التصورات والمواقف: تبحث استطلاعات استخدام الذكاء الاصطناعي التوليدي ودراسات النماذج الذهنية كيف يفهم الطلاب الذكاء الاصطناعي ويثقون به.
• أبعاد الإنصاف: تتقاطع تجربة الطالب مع الإنصاف في تعليم الذكاء الاصطناعي — فالوصول إلى الذكاء الاصطناعي وفعاليته يتفاوتان عبر فئات الطلاب.

Ways AI impacts students

يؤثر الذكاء الاصطناعي في الطلاب عبر أبعاد معرفية، ودافعية، ووجدانية، وهُوِيّة، واجتماعية، وإنصاف. وتشير الأبحاث إلى آثار إيجابية وسلبية في كل بُعد، غالبًا في الوقت نفسه — ويعتمد الاتجاه على التصميم والاستخدام.

Cognitive impacts

• إيجابي: يمكن للذكاء الاصطناعي أن يوفّر سقالة للتعلّم بـالتغذية الراجعة والتلميحات والشروحات، داعمًا الفهم والممارسة وطلب المساعدة. ويمكن للطلاب استخدام الذكاء الاصطناعي لـيتعلموا كيف يستخدمونه جيدًا، وتحفظ الأدوات المصمّمة جيدًا المتعلّم يؤدي العمل المعرفي (انظر هل يساعد الذكاء الاصطناعي الطلاب على التعلّم؟).
• سلبي: يمكن للذكاء الاصطناعي أن يقود إلى الإفراط في الاعتماد والإحمال المعرفي، حيث يفوّض الطلاب الاستدلال الذي يحتاجون ممارسته. وهذه هي فجوة الأداء–التعلّم: فأداء الطلاب أفضل مع الذكاء الاصطناعي لكن أسوأ في المهام اللاحقة بلا مساعدة (انظر إساءة استخدام الذكاء الاصطناعي وضرر التعلّم). وقد يفتّت الإفراط في الاستخدام أيضًا ما وراء المعرفة والتعلّم الذاتي التنظيم.

Motivational impacts

• إيجابي: يمكن للذكاء الاصطناعي أن يرفع الدافعية والمشاركة بتقديم دعم مفرد وفوري ومنخفض المخاطر — ما يساعد الطلاب على المثابرة والشعور بالكفاءة (انظر منظورات تقرير المصير على الاستقلالية والكفاءة والانتماء).
• سلبي: يمكن للعلم بتوفّر الذكاء الاصطناعي أن يقلّل جهد الطالب ودافعيته للكفاح المثمر (توافر الذكاء الاصطناعي والدافعية، فجوة الأمان). ويمكن للإفراط في الاعتماد أن يفتّت الفاعلية وإحساس الإنجاز الآتي من أداء العمل بنفسه.

Affective and well-being impacts

• إيجابي: يمكن للذكاء الاصطناعي أن يقدّم مساعدةً منخفضة الضغط وعند الطلب ويقلّل القلق من طرح الأسئلة، داعمًا الرفاهية والثقة.
• سلبي: يرتبط استخدام الذكاء الاصطناعي بـالقلق والتوتر، بما فيها المخاوف من الاستبدال، والتقويم غير المؤكد، والضغط لمواكبة الجديد. وتوثّق دراسات مثل تحليل شامل لقلق الذكاء الاصطناعي وAIvaluate هذه الكلف الوجدانية. ويمكن لالخزي والذنب حول استخدام الذكاء الاصطناعي أن يقود إلى الإخفاء والإفصاح الانتقائي، مضّرًا بالانخراط الصادق ورفاهية الوجداني الاجتماعي. وهذه الضغوط محلية واجتماعية لا مكتوبة: انظر الأعراف الاجتماعية لاستخدام الذكاء الاصطناعي. وشروط التقويم تضيف ضغطها الخاص: يجد مراجعة نطاقية للمراقبة عن بعد في تقويم التمريض الطلاب قلقين من الاتصال ومن اتهامهم بالغش خطأً، فيصف مستخدمو تطبيق إشراف أول مرة قلقه بأنه مثير للقلق ويبلّغون عن صعوبة التركيز أثناء مراقبتهم، وقرابة الخمس يصطدمون بإخفاقات امتداد المتصفح أو الاتصال رغم الموارد التحضيرية.

Identity impacts

• إيجابي: يمكن للذكاء الاصطناعي أن يدعم تشكّل الهوية بسقالة الانتماء التأديبي والثقة والطموحات المهنية — مثل مساعدة الطلاب على رؤية أنفسهم ممارسين قادرين.
• سلبي: يمكن للذكاء الاصطناعي أن يهدّد هوية المتعلّم عبر فقدان التأليف وشكّ الكفاءة — فعندما ينتج الذكاء الاصطناعي العمل، قد يتوقف الطلاب عن الشعور أنه "ملكهم". ومفارقة الكفاءة في المجالات الإبداعية تُظهر سهولة الاستخدام وهي تحُطّ الهوية الحرفية التي يستمدها الطلاب من التأليف.

Academic-integrity and fairness impacts

• سلبي: يمكّن الذكاء الاصطناعي من أشكال جديدة من الغش الأكاديمي (مقالات مولّدة بالذكاء الاصطناعي، إتمام غير مصرّح به)، ما يقود نقاشات حول الكشف والتقليص. ويتفاعل هذا مع الإنصاف: فالوصول غير المتكافئ إلى أدوات الذكاء الاصطناعي وفهمها يمكنه أن يوسّع الفجوات بين الطلاب.
• إيجابي/بناء: يمكن للذكاء الاصطناعي أن يدعم التقويم الأصيل والتقويم الموجّه للعملية والممارسة التأملية (مثل التقدير الذاتي الموجّه)، محوّلًا مخاوف النزاهة إلى فرص لـثقافة الذكاء الاصطناعي والمسؤولية.

وروايات الطلاب عن النزاهة أقل استقرارًا مما يوحي به تأطير الغش. أجرى Mulisa and Mezgebu (2026) مقابلات مع 27 طالبًا جامعيًا في جامعة إثيوبية فوجدا جسم الطلاب منقسمًا على نفسه: استخدم الجميع تقريبًا الذكاء الاصطناعي التوليدي أو شاهدوا أقرانهم يستخدمونه وأكثرهم ينسبون إليه رفع تحصيلهم، وقلّة سمّت استخدامه في أعمال المقرر سوء سلوك صريح، وكانت أشدّ شكوى وأوسعها انتشارًا هي الإنصاف — مستخدمو الذكاء الاصطناعي يسجّلون فوق الطلاب الذين عملوا بأمانة، وهو ما وصفه بعضهم بأنه يقتل إحساسهم بالجدّ وترك مشاركًا واحدًا غير متأكد "هل نستفيد أم نتضرر من استخدام الذكاء الاصطناعي." والجانب الإجرائي يهمّ أيضًا: رمّز Munoz et al. (2026) 1,162 حالة سوء سلوك بالذكاء الاصطناعي التوليدي فوجد أن الأدلة الأكثر استشهادًا — مخرجات الكواشف، وتقارير التشابه، وأنماط المحتوى النموذجية للذكاء الاصطناعي — حملت أضعف قيمة إثباتية، وأنه مع غياب أي حد أدنى إثباتي في خط الأنابيب دُفع الطلاب أصحاب القضايا الضعيفة نحو الاستئناف. والتعريفات المفرطة الشمول توسّع ذلك التعرض: يُظهر Wright (2026) أن المحظورات الموجّهة إلى "الذكاء الاصطناعي التوليدي" يمكنها أن تقبض على أدوات تحوّل صيغة عمل ألّفه الطالب بالفعل فحسب، وهو إفراط في الشمول يقع أثقله على الطلاب ذوي الإعاقة والمعرَّضين للإنصاف. ويشير Sharma (2026) إلى المخرج البناء، معاملًا النزاهة ممارسةً تربوية تُمارَس عبر الحكم — مسارات قرار مشروحة، والتحقق، والدفاع الشفهي، وتاريخ الإصدارات — بدلًا من الانصياع المؤمَّن بالمراقبة.

ويمكن للتحقق أن يحوّل كيف يختبر الطلاب السؤال: فطلب شرح عملهم قرئ أولًا اتهامًا، لكن بمجرد أن أطره المنهج مقدمًا بوصفه تربيةً لا مراقبة، أفصحوا عن استخدام الذكاء الاصطناعي بانفتاح أكثر وعاملوا المهام مهامّ تعلّم، في محادثات من خمس إلى عشر دقائق (Mandernach, 2026).

Social and relational impacts

• إيجابي: يمكن للذكاء الاصطناعي أن يوسّط التعاون وتفاعل الإنسان–الذكاء الاصطناعي، داعمًا العمل الجماعي وتفاعل الأقران والوصول إلى وجهات نظر متنوعة.
• سلبي: يمكن للذكاء الاصطناعي أن يقلّل تفاعل الأقران والمعلّم الحقيقي، ويخلق ديناميات تملقية، و — عند عمله بوصفه زميلًا غير مفصَح عنه — يعيد تشكيل خطاب المجموعة والفاعلية بطرق لا يستطيع المتعلّمون رؤيتها أو منازعتها (انظر الفاعلية الناشئة للمتعلّم في التعاون الضمني بين الإنسان والذكاء الاصطناعي).

Long-run / capability impacts

• إيجابي: يمكن للذكاء الاصطناعي أن يساعد الطلاب على بناء مهارات قابلة للنقل إلى مكان عمل متكامل مع الذكاء الاصطناعي — القدرات التكيّفية مثل ثقافة الذكاء الاصطناعي، والإدراك الموزّع، وما وراء المعرفة — ويرفع التوقعات حول جاهزية مهارات الذكاء الاصطناعي (توقعات مهارات الذكاء الاصطناعي للخريجين).
• سلبي: يمكن لتجربة ذكاء اصطناعي مفرطة الاعتماد أو غير متأملة أن تترك الطلاب أقل قدرة على الأداء بلا ذكاء اصطناعي، وأقل ممارسة للاستدلال المستقل، وغير واثقين من قدراتهم الخاصة (انظر إساءة استخدام الذكاء الاصطناعي وضرر التعلّم).

إجمالًا: يمكن للأداة نفسها أن تدعم الطلاب أو تحُطّ منهم بحسب التصميم والاستخدام. والحاجز طوال الوقت هو إبقاء المتعلّم يؤدي العمل المهم معرفيًا مع استخدام الذكاء الاصطناعي للدعم (اسْند، لا تُحِل)، والانتباه إلى الطيف الكامل للآثار — لا الأداء فحسب. ويحول تشكيل واحد مكان بداية التجربة: فعندما يولّد الذكاء الاصطناعي قراءات المقرر نفسها بدلًا من المساعدة في الواجبات، يصير الطلاب مدقّقي منهجهم الخاص. وفي مقرر الدراسات العليا لـSidorkin (2026)، قدّر الطلاب التخصّص السياقي والقابلية على التعديل للنصوص المولّدة ووافق 75 بالمئة منهم على أنهم تعلّموا أكثر مما في مقرر مماثل بلا رفيق ذكاء اصطناعي، لكنهم كانوا عليهم استنتاج جودة المصدر من السياق لأن روابط ويكيبيديا والاستشهادات المحكّمة ظهرت في القوائم نفسها بلا وسوم، وأربعة من 24 مستجيبًا في الاستطلاع استخدموا لغة اعتماد، بينهم من وصف نفسه بأنه "معتمِد بشكل ما على الذكاء الاصطناعي للطمأنة والبنية."

وأطول نتائج المدى الطويل التي يختبرها الطالب — هل يعودون في الفصل التالي، ويجمعون الساعات، ويتخرجون — مؤسسية لا تعليمية، ودعم الطلاب ونجاحهم يتتبّع كيف يؤثر دعم الذكاء الاصطناعي فيها: فإتمام المهام يتحرك بيسر، والمثابرة والتخرج بدرجة أقل بكثير.

Connections

ترتبط تجربة الطالب بـالإفراط في الاعتماد (الاعتماد المفرط على الذكاء الاصطناعي)، وثقافة الذكاء الاصطناعي (مهارات الاستخدام الفعّال)، والإحمال المعرفي (كيف يغيّر الذكاء الاصطناعي العمل المعرفي)، والمشاركة (كيف تقيس أنظمة الذكاء الاصطناعي سلوك الطالب وتستجيب له). وهي العضو الموجّه للمتعلّم في مظلة أصحاب المصلحة، والموطن لتلخيص كل الطرق التي يؤثر بها الذكاء الاصطناعي في الطلاب.

Connected Concepts

• المتعلّمون — المتعلّمون: المظلة الشاملة لمفاهيم جانب المتعلّم
• الشراكات التربوية — الشراكات التربوية
• هوية المتعلّم — هويات متعلعلّمية تأديبية ومهنية وإبداعية وأكاديمية متطوّرة
• فاعلية المتعلّم
• الرفاه
• القلق والتوتر
• التعلّم الاجتماعي-العاطفي
• المراقبة عن بعد
• الذكاء الاصطناعي التوليدي
• النماذج اللغوية الكبيرة (LLMs)
• التعليم العالي
• ثقافة الذكاء الاصطناعي
• التفريغ المعرفي
• الإنصاف
• K-12
• السقالة
• ما وراء المعرفة
• التعلّم موجّه الذات
• تأطير استخدام الذكاء الاصطناعي للطلاب
• النزاهة الأكاديمية
• أصحاب المصلحة — مظلة: الناس والجماهير في تعليم الذكاء الاصطناعي (المتعلّمون، والمعلّمون، والمصمّمون، والإداريون، وصانعو السياسات)
• مقاييس التقرير الذاتي
• اندماج الطلاب — كيف تقيس أنظمة الذكاء الاصطناعي سلوك الطالب وتستجيب له
• الأعراف الاجتماعية لاستخدام الذكاء الاصطناعي — كيف يصبح استخدام الذكاء الاصطناعي مرئيًا للأقران
• دعم الطلاب ونجاحهم — الجانب المؤسسي للدعم: ما تفعله الجامعة للطلاب، لا ما يحدث في مقرر

Connected Articles

• Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education — Shame and guilt as social regulators of AI use
• The Competence Paradox: Negotiating Ease, Risk, and Creative Identity in Text-to-Image Generative AI Use Among Art and Design Students — The competence paradox: creative identity in text-to-image GenAI use
• The Best Response to Student AI Use Is Not Detection, It Is Dialog
• How Does Students' Perception of ChatGPT Shape Online Learning Engagement and Performance?
• Is using artificial intelligence tools for academic work cheating? Student perceptions, ethics, and the impact on academic performance and critical thinking
• "It is a temptation to get it to do the work…" Student Experiences of Navigating the Generative AI Landscape in UK Higher Education: A Cross-Institutional Survey with International Comparison
• Metacognitively Discordant Completion and the Aware Pass-Through of Non-Understanding in Generative AI Learning
• AI-Generated Interactive Fiction for Educational Use: A Pilot Study of Perceived Comprehensibility, Coherence, and Engagement
• AI in the Wild: A Large Scale Analysis of Authentic Interactions of College Students with Generative AI
• Generative AI Availability, Grades, and Student Satisfaction at a Large University
• It's OK Because...": The Wild West of Student Rationalization of AI Use in Academic Writing — Student rationalization of AI use in academic writing (Kim et al. 2026)
• Tracing GenAI Literacy: Student-AI Interaction Patterns in Academic Writing
• Cognitive Offloading in Student–AI Collaboration: A Longitudinal Analysis of Prompting Strategies
• Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming
• AIED's Unfinished Mission: Centering Agency and Motivation in the Age of Effortless Bypass
• Uncovering Students' Mental Models of Generative Artificial Intelligence
• A study of GenAI usage by Design Students: Analysis of Survey Results and Journals of AI practices at the Politecnico di Milano in 2025/2026
• Exploring AI-Supported Disciplinary Mediation in Student Project Teams' Text-Based Communication
• AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — AI-skills expectations for college graduates vs. institutional readiness
• Analysis of Types of Inquiries in Student-AI Interaction: A case study of two CS2 tasks — Analysis of Types of Inquiries in Student-AI Interaction
• Navigating AI in STEM: What Secondary Students Actually Do With Generative AI-Driven Tools — What secondary students do with GenAI tools across STEM
• Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science — GenAI chatbots and problem posing in primary science
• Heads We Win, Tails You Lose: AI Detectors in Education — Heads we win, tails you lose: AI detectors in education (Bassett et al. 2026)
• The Safety Gap: Restoring Productive Struggle Through Pedagogically Aligned Generative AI — The Safety Gap: Restoring Productive Struggle
• Exploring student anxiety and experience in performance-based assessments using AIvaluate: an LLM-augmented emotionally — AIvaluate: LLM-Augmented Assessment of Student Anxiety (2026)
• AI Anxiety: A Comprehensive Analysis of Psychological Factors and Interventions — A comprehensive analysis of AI anxiety
• Students' Perceptions of Artificial Intelligence Tools for Study Productivity and Learning: An Exploratory Survey Study — Students' Perceptions of Artificial Intelligence Tools for Study Productivity and Learning: An Exploratory Survey Study
• Factors Associated with Students' Adoption of Artificial Intelligence Technology in Tertiary Education: A Meta-Analytic Review — Post-secondary adoption perspective
• Raising Ethical Awareness of GenAI Use Through Student Self-Assessment in the Transition to Higher Education — Raising ethical awareness of GenAI use through student self-assessment
• Reimagining Success and Failure: Equitable Assessment Practices in an Age of Artificial Intelligence — Equitable assessment in an AI era
• Longitudinal Insights into AI in Education: Usage, Ethics, and Policy Development in Higher Education — Longitudinal GenAI usage, ethics, and policy in teacher education (Parker et al. 2026)
• The Use and Usefulness of GenAI in Higher Education: Student Experience and Perspectives — Student experience of GenAI usefulness in Australian higher ed (Chung et al. 2026)
• Modelling Generative AI's Influence on Students' Perceived Decision Capability: A Cognitive Load and Decision Augmentation Approach — GenAI and students' perceived decision capability (cognitive-load account)
• Conceptualizations of GenAI and Students' Professionalization: Within the Multi-Layered Environment of Learning for Higher Education — GenAI conceptualizations and student professionalization
• From One-Size Texts to Tailored Readings: Student Experiences with AI-Generated Course Materials — Students as auditors of their own AI-generated curriculum (Sidorkin 2026)
• Tools facilitate cheating, or partner supports learning? GenAI and academic integrity issues from students' perspectives — Students on whether GenAI is a cheating tool or a learning partner
• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — What misconduct allegation files actually contain as evidence
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — Over-inclusive AI rules and the students they catch
• Educational integrity in GenAI-augmented assessment: making judgment visible — Integrity as evaluative judgment rather than compliance
• Under surveillance: Mapping remote proctoring practices in the assessment of nursing students — a scoping review — Remote proctoring's emotional and equity costs for students