التدريس

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

التدريس — كيف يعيد الذكاء الاصطناعي تشكيل عمل المعلّمين وهويتهم وفاعليتهم. فمع أكثر من 50 مقالة تفحص هذا البُعد، توثّق قاعدة المعارف تحوّلًا جوهريًا: من المرجع المعرفي الوحيد إلى مُنسِّق بيئات تعلّم يجمع بين الإنسان والذكاء الاصطناعي. وهذه الصفحة لا تكتفي بوصف هذا التحوّل — بل تفصّل ما يفعله المعلّمون فعلًا بشكل مختلف، وكيف يمكنهم تكييف ممارستهم، وكيف يرتبط ذلك بـتصميم التعلّم، والثقافة بالذكاء الاصطناعي، والنزاهة الأكاديمية.

يسمّي Malyn-Smith et al. (2026) هذا «مفارقة الأكثر إنسانية»: في ستّة سيناريوهات لعام 2030 بُنيت بمشاركة 20 باحثًا من 13 بلدًا، يشتدّ إشباع الذكاء الاصطناعي بدل أن يزيح العمل التربوي البشري. وتصف السيناريوهات الذكاء الاصطناعي بأنه «نظام معالجة الهواء في المنظومة التعليمية» — لا تلاحظ وجوده إلا حين يتعطّل.

أسئلة للتفكير

• تصف الصفحة تحوّل المعلّم «من المرجع المعرفي الوحيد إلى مُنسِّق بيئات تعلّم يجمع بين الإنسان والذكاء الاصطناعي». فما الذي تربحه وما الذي تخسره مربيًا حين تتوقّف عن أن تكون المصدر الرئيسي للمحتوى؟
• تؤكّد الصفحة أن الذكاء الاصطناعي يعيد تخصيص أندر مورد لدى المعلّم — الانتباه — من إنتاج المواد إلى تفسير المتعلّمين. فهل هذا التأطير مقنع، وما الذي ستفعله فعلًا بالوقت المستعاد؟
• يُظهر البحث المشار إليه في الصفحة المعلّمين كمصمّمين فاعلين للذكاء الاصطناعي — يكتبون المطالبات والسقالات التي تُشكّل سلوك الذكاء الاصطناعي لطلابهم — لا كمستهلكين منفعلين. فما الذي يلزم لك (أو لمعلّمين تعرفهم) لتشعر أنك مصمّم للذكاء الاصطناعي لا مستخدم له؟
• وفي الطرف البعيد من طيف «فريق المعلّم مع الذكاء الاصطناعي»، يُنسّق المعلّم فريقًا من متعلّمين بشريين ومدرّسين ذكيين وموارد منهجية. فأين يبقى الحكم البشري لا يُعوَّض في ذلك الفريق، وما الذي قد يتآكل بصمت إن تُرك التنسيق معظمه للذكاء الاصطناعي؟
• وإن كان انتباه المعلّم يُعاد تخصيصه من إنتاج المواد إلى تفسير المتعلّمين، فما الكفاءات والمخاطر الجديدة التي يُدخلها ذلك — ومن يساند المعلّم في تنميتها؟

مقدّمة

يُسمّي «التدريس» هنا الدور المهني كما يعيد الذكاء الاصطناعي تشكيله: تقليلٌ في توصيل المحتوى، وزيادة في تنسيق المشاركين من البشر والآلات، وتفسير لما يفهمه المتعلّمون فعلًا، وتصميم للشروط التي يكون فيها استخدام الذكاء الاصطناعي مشروعًا. وتوثّق الصفحات المجمّعة تحت هذا المفهوم عمل الفريق بين المعلّم والذكاء الاصطناعي وتغيير سير العمل، والكفاءات التي يقتضيها الدور الآن، والتوتّر بين مكاسب الكفاءة والانتباه الذي يتطلّبه الدعم الفردي. وهي تقع إلى جانب التطوير التربوي، والثقافة بالذكاء الاصطناعي، والتقييم كأحد الأدوار التي تحدّد هل يغيّر دمج الذكاء الاصطناعي الممارسة فعلًا أم يزيّنها فحسب. وعلوم التعلّم هي مجال البحث الذي تعيد أدلّته تشكيل هذا الموقف: فهي تصف كيف يحدث التعلّم وتختبره، وأيّ التصاميم تغيّره، في حين تغطّي هذه الصفحة الدور الصفّي الذي عليه أن يتصرّف على ضوء تلك الأدلة في لحظتها.

كيف يحوّل الذكاء الاصطناعي التدريس

• من مُلقٍ إلى مُنسِّق: ترسم مستويات العمل المشترك بين المعلّم والذكاء الاصطناعي الخمسة وبحوث تنسيق الفاعلية طيفًا يمتد من الذكاء الاصطناعي كأداة إلى الذكاء الاصطناعي كشريك في التدريس. وفي الطرف البعيد، يُنسّق المعلّم فريقًا يضم متعلّمين بشريين ومدرّسين ذكيين وموارد منهجية بدل أن يوصّل كل المحتوى بنفسه.

• تحوّل سير العمل: توثّق صفحة تحوّل سير عمل التدريس كيف يُزيح الذكاء الاصطناعي وقت المعلّم من توصيل المحتوى إلى أنشطة أعلى قيمة مثل الدعم الفردي، والتغذية الراجعة، وتصميم المناهج. فموارد المعلّم الأندر — الانتباه — تُعاد تخصيصها من إنتاج المواد إلى تفسير المتعلّمين. ويؤكّد استعراض منهجي لمعلّمي اللغات (Li et al. 2026) ذلك: يُقدّر معلّمو اللغات الذكاء الاصطناعي التوليدي أكثر ما يكون في الأعمال التحضيرية (تخطيط الدروس، وإنتاج المواد، ودعم الكتابة) بينما يتردّدون في استخدامه داخل الصف المباشر، كما يشكّل تبنّيهم هوية مهنية وعوامل تربوية وتقنية ومؤسسية ومرتبطة بالنزاهة الأكاديمية — مع فجوات كفاءة تُرسم على مستوى episteme (فهم قدرات الذكاء الاصطناعي وحدوده)، وtechne (هندسة المطالبات، وتصميم المهام والتقييم المعزَّز بالذكاء الاصطناعي، وكشف النص المولَّد بالذكاء الاصطناعي)، وphronesis (الحكم الأخلاقي، ومعالجة التحيّز والخصوصية، والحكم الحسّاس للسياق). وثقّق سير عمل التدريس كيف يُزيح الذكاء الاصطناعي وقت المعلّم من توصيل المحتوى إلى أنشطة أعلى قيمة مثل الدعم الفردي، والتغذية الراجعة، وتصميم المناهج. فموارد المعلّم الأندر — الانتباه — تُعاد تخصيصها من إنتاج المواد إلى تفسير المتعلّمين.

• متطلّبات الكفاءة: تُعرِّف أطر كفاءة المعلّم في الذكاء الاصطناعي ما يحتاج المربّون معرفته، من الطلاقة الأساسية في الأدوات إلى التنسيق المرتكز تربويًا. وتُحدّد دراسات التبنّي العوائق الحقيقية: الثقة، والدعم المؤسسي، ومخاوف عبء العمل. ويضيف Bai & Hsieh (2026) وزنًا تجريبيًا لهذا في نموذج معادلات بنيوية لـ898 معلّمًا جامعيًا صينيًا: فابتكار التدريس المدعوم بالذكاء الاصطناعي التوليدي يتوقّف أقلّ على المعرفة التقنية المعزولة بالذكاء الاصطناعي وأكثر على كفاءة ذكاء اصطناعي مدمجة تربويًا وتخصصيًا (الثقافة بالذكاء الاصطناعي والهوية المهنية)، وكلتاهما توسطت جزئيًا علاقة الكفاءة بالابتكار — وهي إشارة إلى بناء التطوير المهني لأعضاء هيئة التدريس حول كفاءة ذكاء اصطناعي مدمجة ومرتبطة بالهوية، لا حول تدريب محدود بالأدوات.

• الجاهزية كقدرة تصميمية، لا كاتجاه: يجادل Charles (2026) بأن جاهزية المعلّم للتعلّم التفاعلي الغنيّ بالذكاء الاصطناعي لا يمكن استقراءها من التبنّي أو الثقة أو الكفاءة الرقمية، لأن أياً منها لا يتنبّأ بجودة التصاميم التي ينتجها المعلّمون فعلًا. فجاهزية بالتصميم موجهة نحو الممارسة: يُعبّئ المعلّمون المعرفة التربوية المرتبطة بالذكاء الاصطناعي، والمعتقدات التربوية، والكفاءة الذاتية، والتوجّه الأخلاقي عبر وساطة التصميم (اختيار الأداة، وتصميم المهمة والمطالبة، والسقالات، والشفافية، والتحقّق، وإعادة تصميم التقييم، وتخطيط إمكانية الوصول، والإشراف البشري) داخل بيئة مؤسسية وسياسية تُتيح الترجمة وتُعدّلها. وللمزعمين أثرهما العملي. فالكفاءة الذاتية مورد تعبئة لا مؤشّر جودة، ومن ثمّ قد تُسرّع الثقة بلا معرفة تربوية مرتبطة بالذكاء الاصطناعي أو توجّه أخلاقي تصميمًا سيّئًا. ووضوح السياسة والدعم المادي مُعدّلان منفصلان، فمدرسة مجهّزة جيدًا قد تترك معلّميها يخمّنون فيما هو مسموح. كما يرفض Charles أيضًا مساواة عدم الاستخدام بعدم الجاهزية: فقرار مُبرَّر بحجب الذكاء الاصطناعي قد يُبدي جاهزية بذاته.

• التصميم المشترك والفاعلية: يُظهر المطالبات التي يكتبها المعلّمون والترميز الحدسي للمعلّمين المربّين كمصمّمين فاعلين للذكاء الاصطناعي لا كمستهلكين منفعلين — يكتبون المطالبات والسقالات التي تُشكّل سلوك الذكاء الاصطناعي لطلابهم. وفي تخطيط دروس فنون العلوم والتقنية والهندسة والرياضيات (STEAM) للأطفال، أكّد Luo and Tahir (2025) تجريبيًا أن كيفية تفويض المعلّم لـChatGPT أمر مهم: فملء فجوات المحتوى في درس هيكله المعلّم بنفسه (وهي الطريقة التي فضّلها 60% ووصوها) حافظ على استقلالية تصميم المعلّم مع رفعها جودة الخطة كما قيّمها الخبراء (الوسيط 20.5 مقابل 17.6، p = .002، أثر كبير)، متفوقةً على تكليف الذكاء الاصطناعي بتوليد خطط كاملة أو مجرّد مراجعة خطة منتهية. وعمل الذكاء الاصطناعي في الأساس كشريك للإلهام واكتشاف الفجوات لا كمصدر للابتكار الأصلي الكامل — وهو ما يعزّز أن المعلّم يبقى فاعل التصميم والحَكَم على المخرَج، بما في ذلك رصد عيوب سلامة الأطفال والتحيّز الثقافي التي غفلت عنها الأداة. ويجد استعراض منهجي لـالتصميم المشترك بين المعلّم والذكاء الاصطناعي لمهام التعلّم (Wang, Liu & Islam 2026) أن هذا الموقف المصمِّم المشارك يبقى غير متساوٍ — فالوضع الغالب لا يزال الذكاء الاصطناعي مساعدًا ومولّدًا للمحتوى — ويُظهر Talebzadeh (2026) أن فاعلية المعلّم بوصفه «مصمّم تعلّم ثنائي اللغة» هي ما يحوّل الأنشطة الجماعية التي يصمّمها الذكاء الاصطناعي إلى تعليم مُفرَّق ومواءم لمنطقة النمو القريب.

• تأليف روبوت ليس كالتحكّم فيما يعلّمه. فقد رأى سبعة وعشرون معلّمًا في المرحلة المتوسطة، وقد هيّأوا أداة تأليف روبوت حواري مبني على غرض وقواعد، ولاءً جزئيًا فقط في السلوك المولَّد — فهبط التوافق من 88.9% في الاستجابة و81.5% في الشخصية إلى 70.4% في القواعد و59.3% في الغرض، وتباين الالتزام بالقواعد بحسب النموذج المختار — وهي فجوة التنفيذ/التقييم التي تجعل دور المعلّم كمصمّم تدريبًا على النيّة لا ضمانًا لها (Riahi et al. (2026)).

• الإعداد قبل الخدمة: يُهيّئ التدريب القائم على إطار TPACK وبرامج التطوير التربوي معلّمي المستقبل لصفوف معزَّزة بالذكاء الاصطناعي قبل دخولهم إليها. وتمثيل أدوار الطالب المحاكى يُمدّد هذا إلى ممارسة عملية: إذ يتيح روبوت ChatGPT مُخصَّص (Student GPT) يقوم بدور طالب في المرحلة المتوسطة مُصاب بـمفاهيم خاطئة في الرياضيات، لمعلمي ما قبل الخدمة، التدريب على تشخيص تفكير الطالب وتوجيهه في بيئة منخفضة المخاطر، مُهيّئين إياهم لمهمة تدريس مركزية — قراءة تفكير الطلاب ومعالجة ما فيه.

• حدّ أمام المعلّمين بالكاد دخلته قاعدة الأدلة: يجمع Štefánik et al. (2026) في Edustories 1,492 دراسة حالة كتبها معلّمون عن صفوف حقيقية في التعليم الابتدائي والثانوي — سلوك طلابي مستفزّ، والتدخّل الذي حاوله المعلّم، وما تلاه — وذلك تحديدًا لأن معظم أبحاث الذكاء الاصطناعي في التعليم استهدف دعم الطالب الفردي بينما يحدث معظم التدريس في صفوف جماعية. وعند قياس أداء أربع عائلات من النماذج اللغوية على التنبّؤ بنجاح تدخّل ما، بلغت أقوى النماذج دقة 58% مقابل 64% للخبراء البشريين؛ ويقرأ الكُتّاب الفجوة في الاتجاهين، كحدٍّ على المساعدة الموجَّهة للمعلّمين الحالية، وكدليلٍ على إمكانية ناشئة. وما تكسبه الصفحة منه هو سقفٌ مقيس لا دعوى قدرة: فالنصيحة الموجَّهة للمعلّمين يلزم أن تكون أفضل من حكم الخبراء قبل أن يُؤتَمن عليها، واليوم الترتيب معكوس. وتظهر فجوة موازية في استعراض PRISMA الذي أجراه Yalçın et al. (2026) لـ46 دراسة تجريبية عن الذكاء الاصطناعي التوليدي في برمجة التعليم العالي: فقد كانت أدوار المعلّمين والممارسات المؤسسية من أقلّ مجالات الميدان دراسة، وأعطت 26 من الـ46 دراسة وصفًا قابلًا للترميز لمنهجها التعليمي، فلا تكون قرارات التصميم التي أنتجت النتائج المُبلَّغة مرئيةً غالبًا حتى لمعلّمين آخرين.

• أين يدخل الذكاء الاصطناعي العمل فعلًا، حسب المهمة: يفصل Holster (2026) بين التبنّي والتخصيص باستخدام بيانات TALIS 2024 من 56,669 معلّمًا، مع عيّنة تخصيص من 24,058 مستخدمًا للذكاء الاصطناعي عبر 46 منظومة تعليمية. فقد كانت المهمة التي يتجاوز تقديرها نقطةً واحدةً فوق متوسط الطلب الخاص بالمعلّم أكثر عرضة لتلقّي مساعدة الذكاء الاصطناعي (OR = 1.163)، لكن الاتجاه يختلف بحسب المهمة: يرتفع التخطيط مع الطلب (OR = 1.084)، ويهبط التقييم والتصحيح (OR = 0.921)، ويرتفع دعم التعليم الخاص والتكييف ارتفاعًا حادًّا (OR = 1.442، وهو فارق متوقَّع من 34.0% إلى 50.3% عبر مدى الطلب). والقراءة على صعيدي الكفاءة والسياسة هي أن المعلّمين يُبْقون التصحيح عالي المخاطر بشريًا بالفعل بينما يلجأون إلى الذكاء الاصطناعي في أعمال التكييف الفردي، ومن ثمّ فإن التوجيه الذي يتعامل مع استخدام المعلّم للذكاء الاصطناعي كسلوك واحد سيفوت موضع الحاجة الفعلية إلى الدعم.

كيف يبدو الدور المتغيّر فعلًا: أمثلة ملموسة

أصبحت «المُنسِّق» كتجريد أيسر في الإدراك عبر تحوّلات يومية ملموسة في عمل المُلقِي:

• من كتابة كل مُلخّص مكتوب إلى انتقاء مسوّدات يولّدها الذكاء الاصطناعي. فمُلقٍ كان يقضي ليلةً في بناء ورقة عمل مُفرَّقة، يُطالب الآن ذكاءً اصطناعيًا بإنتاج ثلاث نسخ على مستويات صعوبة مختلفة، ثم يقضي الليلة نفسها في مراجعتها وتكييفها — تحوّل من التأليف إلى الحكم التحريري. وتجعل سير عمل المنهج كشيفرة هذا المسار صريحًا، ويُظهر الاستعراض المنهجي لـKibar & Ilgaz الذكاء الاصطناعي يعمل «زميلًا في العمل» يُحرِّر محتوى يهذّبه المصمّم بعد ذلك. ويجعل التحقّق من الخبراء في خطط الدروس العلمية المولَّدة بالذكاء الاصطناعي صريحًا ما يلزم أن يوزنه ذلك الحكم التحريري: فقد وجد Karaismailoglu, Surmeli and Yildirim (2026) أن أحد عشر مختصًا في علوم التعليم قيّموا خطط الصف السادس التي أنتجها ChatGPT-4 وأداة موجّهة للتعليم على أنها مسوّدات قابلة للاستخدام — إذ اعتبرها 7 من 11 «قابلة للتطبيق بعد التصحيح»، و3 فقط «قابلة للتطبيق» مباشرةً — وتباينت التفضيلات عن الدرجات الخام (ففضّل 7 الأداة التعليمية الأعلى درجة، و4 خطة الأداة متعددة الأغراض) لأن الحكم وازن بين أبعاد وجدانية وسياقية تتجاوز الأمانة البنيوية. ويبقى المعلّمون حَكَمًا على ما إذا كان مسوّدة الذكاء الاصطناعي تصير درسًا قابلًا للتعليم ومؤسَّسًا على سياقه.
• من الإلقاء إلى التدريب في الوقت الحقيقي. فبدل تقديم الشرح نفسه للصف كله، يُوجّه المعلّمون الأسئلة الروتينية تدريجيًا إلى مدرّس ذكي ويخصّصون الوقت المباشر للطلاب الذين يحتاجون حكمًا بشريًا — وتوثّق دراسات سير العمل هذا التخصيص للانتباه بالضبط.
• من التصحيح إلى تصميم تقييمات لا يستطيع الذكاء الاصطناعي الغشّ فيها. يكفّ المعلّمون عن الاعتماد على مهام قائمة على التذكّر تحلّها النماذج اللغوية الكبيرة تلقائيًا، ويصمّمون بدلًا منها تقييمات أصيلة، ومقاييس تقييم، ومهام تكوينية تحفظ المكاسب التعليمية.
• من تعليم المحتوى إلى تعليم استخدامه. فيتضمّن عمل المعلّم تدريجيًا نمذجة كيفية المطالبة والتقييم والاستخدام المسؤول للذكاء الاصطناعي — منهاج ثقافة الذكاء الاصطناعي منسوجًا في كل مقرر، لا مادة منفصلة.
• من قراءة لوحات المعلومات إلى التصرّف على ضوئها — بحسب السياق. يُظهر Mejia-Domenzain et al. (2026) أن كيفية استخدام المعلّمين فعلًا للوحات التحليلات تتباين بحسب السياق: فمعلّمو الصف المقلوب (في الجامعة) اتّبعوا استكشافًا متسلسلًا وفضّلوا التكييف على مستوى المقرر وعرض اللوحات في الصف، بينما عاد معلّمو التعليم المهني إلى صفحات الملخّص واستخدموا الأداة أساسًا في جلسات التدريب الفردي. وقد شكّلت الإجراءات التي اقترحها المعلّمون المحتوى المُمثَّل ومستوى تدريسهم لا نوع الرسم البياني — فقد فضّل معلّمو الجامعة الاختبارات الأسبوعية وتكييف المقرر، بينما فضّل معلّمو التعليم المهني التدريب الفردي المباشر. ويشير هذا إلى تصميم لوحات معلومات واعٍ بالسياق وإلى حاجات متفاوتة في دعم المعلّمين، لا إلى واجهة تحليلات واحدة تناسب الجميع.
• من تلقّي التنبيهات إلى الحكم عليها. تابع Swidan (2026) معلّمًا واحدًا وثمانية طلاب متفوقين في المرحلة الثانوية في درس هندسة على GeoGebra، حيث أطّر Dash4Emotion الطلاب بمستطيلات حمراء تشير إلى انفعال سلبي، فوجد أن التنبيهات لم تُحدِّد النتائج — بل كانت خطوة المعلّم بعد كل تنبيه هي التي فعلت ذلك: فأعيد تأطير مهمة ميرا من إيجاد قيمة دنيا إلى الموضع الهندسي للنقاط الدنيا فانفتح استكشافها من جديد، وحفّزت ثلاثة تنبيهات متزامنة إعادة تأطير على مستوى الصف كله، وكان الامتناع المتعمَّد عن التدخّل في حصةٍ ما قرارًا تربويًا بذاته. وموقف الدراسة أن تنبيه الانفعال المولَّد بالذكاء الاصطناعي إشارةٌ تُفسَّر إلى جانب ما يستطيع المعلّم رؤيته، لا تعليمةٌ تُطاع.
• من حارس البوابة إلى مُيسِّر مبدئي لتغذية راجعة التعاون. تُظهر تجارب صفية لأداة Community Builder (CoBi) أن دور المعلّم يُحدِّد نزاهة التنفيذ حسمًا: فالمعلّمون الذين استخدموا ملاحظات الأداة وتمثيلاتها البصرية لإثارة ما وراء المعرفة والتأمّل النقدي في التعلم التعاوني حقّقوا استخدامًا عالي النزاهة، بينما لم يحقّقه الذين تركوا النظام ينزلق نحو مراقبة الأداء — أو ينحرف نحو مناقشات عامة عن الذكاء الاصطناعي. وقلق المعلّمون أيضًا من وضعهم «موضع المساءلة» بتغذية راجعة في الوقت الحقيقي، وفضّلوا المراجعة قبل الإجراء وبعده على العرض المباشر، مما يؤكّد أن تنسيق الذكاء الاصطناعي التعاوني على مستوى الصف يستلزم تعلّمًا مهنيًا جوهريًا، لا مجرّد طلاقة في الأداة.
• من التعليم بالذكاء الاصطناعي إلى الوقوف مقامه. فحيث لا يترك الفجوة الرقمية جهازًا لكل طالب، يستطيع المعلّم أن يصبح الواجهة المادية للنظام — وسيطًا لا مُنسِّقًا له. وفي نموذج «AIED دون اتصال بالإنترنت» الذي وضعه Rodrigues et al. (2026)، يواصل الطلاب العمل بالقلم والورق بينما يصور المعلّم حلولهم، ويعيد الذكاء الاصطناعي قوائم تمارين مخصّصة وتغذية راجعة خاصة بالأخطاء لتُعاد إليهم. وهذه تجربة شبه عشوائية مُجمَّعة على 19 صفًّا حقيقيًا في التعليم الابتدائي البرازيلي لا عرضًا لنموذج أوّلي، ونتيجتان فيها تمسّان الدور مباشرة. أولًا، جاءت ميزة التعلّم على الممارسة المعتادة من جلسة تدريب للمعلّم واحدة مدّتها 50 دقيقة، لا من التقنية: فلم تختلف شرطا التدريب والتدريب مع النظام في المكاسب (−4.33، فاصل ثقة 95% [−17.29, 7.23])، فالتحضير لا الأداة هو العنصر الفعّال. ثانيًا، جاءت فائدة النظام نفسها بصورة غير مباشرة، عبر المعلّم — فوسّط تقليل الجهد أثرًا موجبًا على المكاسب (3.649، فاصل ثقة 95% [1.097, 6.398]) — فيبلغ الأثر طلابًا لا يمسّهم الذكاء الاصطناعي أبدًا، ويظل الجهد الذي وصفه المعلّمون في التصوير والتحقّق (تصوير الأوراق، والانتظار حتى تُعالَج، وتصحيح أخطاء التعرّف) جزءًا من الكلفة التربوية لتوسيع الذكاء الاصطناعي إلى صفوف قليلة الموارد.
• من مزوّد المعلومات إلى مصمّم التعلّم. تابع Hochberg and Waitzman (2026) 93 معلّمًا خلال برنامج ذكاء اصطناعي مدّته ثمانية أسابيع، فوجدا تحوّل الممارسة نحو التصميم الهيوتاغوجي لفاعلية المتعلّم، وإن كانت التحوّلات المبلَّغة ذاتيًا غير دالة إحصائيًا بعد التعديل، ولم تُقَس نتائج التعلّم.

استعارة التنسيق

الاستعارة الغالبة في قاعدة المعارف هي التنسيق: يُنسّق المعلّمون متعلّمين بشريين ومدرّسين ذكيين وموارد منهجية. وهذا يناقض الروايات البديلة — فالذكاء الاصطناعي يُعزّز ولا يُغني عن التدريس البشري. والأدلة التجريبية تؤيّد هذا الموقف: فقد وجد استعراض منهجي موجَّه بـPRISMA لـ42 دراسة (2023–2025) أن النماذج اللغوية الكبيرة تضاهي المقيّمين البشريين في المهام القصيرة البنية الجيدة، لكن أداءها يتراجع في الأعمال الأطول والمتعددة اللغات والدامغة في الفروق الدقيقة — واستنتج أن النماذج اللغوية الكبيرة لا تستطيع أن تُغني كليًا عن المعلّمين، وأن أنظمة التقييم الهجينة بمشاركة الإنسان تحقّق أعلى فعالية في التصحيح (Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback). وتعيد عدسة التنسيق تأطير مهارة المُلقِي الجوهرية كـحكم: تقرير متى يكون الإنسان أو الذكاء الاصطناعي أو النشاط التعليمي المصمَّم هو الأداة المناسبة لمتعلّمٍ ما ولحظةٍ ما. ويُحدّد استعراض PRISMA لعام 2026 لـ29 دراسة من أبحاث تدخّل المعلّم في التعليم المدرسي القائم على الذكاء الاصطناعي الاستعارة في دورة من أربع مراحل — المراقبة، والحكم، والتدخّل، والتنسيق — ويُظهر لماذا لا يمكن الافتراض بأيّ مرحلة. فقد فضّل المعلّمون التحكّم المشترك، مقبلين اقتراحات الذكاء الاصطناعي أو معدّلين إياها أو رافضينها أو متجاوزينها؛ وأجّل بعضهم التدخّل متعمَّدًا حتى يستطيع الطلاب أن يكافحوا إنتاجيًا أولًا؛ وقد تُحمِّل لوحات المعلومات التي توسّع الوعي الانتباه فوق طاقته أو تتجاوز ما يستطيع معلّم واحد التصرّف عليه فعليًا. واستراتيجياتها الثلاث — الترجمة التربوية لمخرَج الذكاء الاصطناعي، وتصميم دعم التعلّم، وإعادة بناء بُنى التفاعل — تصف العمل كإعادة سياقنة لا كإقرار، وهو ما يجعل المعلّم أقرب إلى الوسيط منه إلى دور المُراجع البشري في الحلقة. وتسمّي الملاحظة الصفّية السلوكيات نفسها بأنواع. فستّ دروس مع معلّم خبير أضافت ثلاثة أنواع تنسيق إلى الأنواع الأربعة عند Drijvers — مراقبة لوحة المعلومات، وتصحيح الذكاء الاصطناعي، والتوسط عبره — وكان دور المعلّم في المحتوى وأخلاقياته أكثر ما يظهر حين صحّح تغذية راجعة مولَّدة بالذكاء الاصطناعي (Noh & Kim, 2026).

أدوار المعلّم المتطوّرة والنقدية

تُوسّع الأعمال الحديثة استعارة التنسيق إلى تصوّرات أدوار أغنى:

• مُنسِّق مشارك عبر انتقالات النشاط. يستخدم Yang et al. (2026) «التعارف السريع التشاركي» مع 17 معلّمًا و13 طالبًا لرسم كيف ينبغي توزيع التحكّم على مراحل نشاط صفّي — انتقالات ما قبل وأثناء وبعد العمل الفردي والتعاوني — في أداة تنسيق مشترك تدعم الاقتران الديناميكي في الوقت الحقيقي. ومبدأ التصميم المستخلص هو أن التحكّم ليس نقطة ثابتة: فالمعلّمون والطلاب يرغبون في مقادير مختلفة من الفاعلية في كل مرحلة، ويلزم أن تتيح الأداة للمعلّم تعديل التجميع وانتقالات النشاط وتوقيت التدخّل في الوقت الحقيقي مع الاحتفاظ بتجاوز المعلّم. وهذا يجعل المعلّم مُنسِّقًا مشاركًا لبيئة التعلّم الحيّة بأكملها — دور أكثر تحديدًا من استعارة التنسيق العامة، مركّزًا على القرارات الدقيقة لحظةً بلحظة حول من يعمل مع من، ومتى، وبأي دعم — وهو يربط بحوث التدريس الخصوصي الفردي بتصميم على مستوى الصف.
• «مُصمّم رقصات معرفي». تُعيد الأطر ما بعد الإنسانية تشكيل المعلّم كـمصمّم رقصات معرفي يُنسّق إدراكًا موزّعًا على أنظمة بيولوجية وصناعية، متجاوزًا النماذج الأداتية مثل إطار TPACK وSAM.(Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI)
• مُيسِّر وباحث مشارك وأخلاقي مشرف. ففي تعلّم العلوم، تتحوّل أدوار المعلّمين من ناقلي معرفة إلى مُيسِّرين وباحثين مشاركين، وتكتسب مسؤوليات جديدة كمشرفين أخلاقيين على استخدام الطلاب المسؤول للذكاء الاصطناعي.(Artificial Intelligence in Science Learning within the Framework of Situated Learning Theory: A Qualitative Investigation of Teachers' Perspectives)
• وسيط لمبادئ التعلّم. يُجرّد المربّون مبادئ تعلّم قديمة (الإدراك بالتجربة والموقفي والموزّع) عبر الذكاء الاصطناعي، معاملين إياه أداةً تعزّز دور المعلّم التوجيهي بدل أن تحلّ محله.(Empowering Educators: Operationalizing Age-Old Learning Principles Using AI)
• وسيط نقدي يحوّل مخرَج الذكاء الاصطناعي إلى موضوع للنقد. تابع Canonigo (2026) عشرة معلّمي رياضيات في المرحلة الثانوية خلال تدخّل بـChatGPT-4 مدّته ثمانية أسابيع، وحدّد خمس ممارسات وساطة: طرح المشكلات المولَّد بالذكاء الاصطناعي، وسقالات تلميحات مصمّمة لتتلاشى تدريجيًا، ومقارنة نقدية لمخرَج الذكاء الاصطناعي بعمل الطلاب أنفسهم، ومطالبة مُفرَّقة (تشبيه بصري لطالب يعاني، وامتداد تكعيبي لنظير له)، والذكاء الاصطناعي كشريك حوار تأمّلي. وحيث مارس المعلّمون هذه، صار المخرَج شيئًا يُجادَل معه لا مفتاح إجابات، وانتقل الطلاب نحو الحدس والتساؤل المعرفي فوق مستوى الاستدعاء؛ وحيث غابت الوساطة، هاجرت السلطة نحو الخوارزمية، فصار الطلاب يستشيرون الذكاء الاصطناعي قبل معلّمهم ولا يعودون إليه إلا للتحقّق، مما دفع معلّمًا إلى وصف الانتقال «من العرّاف إلى المحرّر». ونتيجة الدراسة في الإنصاف هي الأشدّ حِدّة: فعبر 300 استجابة نموذجية، كان النموذج في الطبقة المجانية غير دقيق في 32.7% من الحالات مقابل 12% للنموذج الممتاز (χ²(1) = 17.5، p < .001)، فسمّاه معلّمو المدرسة قليلة الموارد «شبه بلا نفع في الرياضيات». فجودة الأداة، لا مجرّد الوصول إليها، تصير متغيّرًا تربويًا، وكانت سياسة الاستخدام المقبول في مدرسة معلّمٍ ما عمرها عقد من الزمان وصامتة بشأن الذكاء الاصطناعي، فتركت فجوة الحوكمة للصف.
• هوية مهنية غير مستقرة ومعرَّضة للخطر. توثّق Farazouli et al. (2026) الجانب الانفعالي من إعادة تشكيل الدور: فقد عاش 24 معلّمًا جامعيًا سويديًا ظهور الذكاء الاصطناعي التوليدي بوصفه خبرةً مقلقة وطاغية، مُبلِّغين عن «حالة هشاشة» (ثقة منخفضة، وانعدام أمان، وخوف من «ألّا يكونوا متقدّمين على طلابهم») وشعورهم بأنهم «عالقون» بين خطابات يوتوبية وأخرى ديستوبية. وحفّزهم الذكاء الاصطناعي التوليدي على إعادة تقييم أولوياتهم — تنمية التفكير النقدي، والحكم التقييمي، والاستخدام الأخلاقي له — وعلى مساءلة دورهم هم ودور الجامعة في المستقبل ضمن مشهد بدا «خارج السيطرة». وهذا يُؤطّر تحوّل دور المعلّم كتحوّل على مستوى الهوية ومحمّلًا انفعاليًا، لا كتغيير في المهارات أو سير العمل فحسب.
• المطوّرون الأكاديميون كوسطاء رقميين، بما في ذلك كونهم فرملة. تُجري Sithole (2026) مقابلات مع اثني عشر مطوّرًا أكاديميًا ومصمّم تعلّم في مؤسستين جنوب إفريقيتين من فئة المؤسسات التي عانت إجحافًا تاريخيًا، فتجد الدور يتحوّل من تسهيل التعليم التأمّلي إلى وسيط تكنولوجي ومُحَلِّل لمشكلات، مع وساطة تمتد إلى التربية والأخلاقيات والسياسة المؤسسية. والخطوة المميّزة هي معاملة التبطيء كجزء من العمل: إذ يصف أحد المشاركين الترجمة بين «ما تريقه الإدارة، وما يستطيعه التقان، وبما يقلق المعلّمون فعلًا»، وتسمية السرقة الأدبية، واعتماد الطلاب، وتفويض التفكير قبل أن يضبط الحماس الإيقاع — «الأمر ليس مجرّد دعم تقني؛ إنه أيضًا تفاوض». وتوثّق الدراسة نفسها الكلفة الانفعالية («أشعر كأنني دجّال. أتعلّم الذكاء الاصطناعي على الطريق، لكن المؤسسة تتوقّع خبرة») واستجابة التعلّم المهني: فضاءات أقرانية تختبر الأدوات وتكسرها متعمَّدةً، موجَّهة نحو الحكم لا نحو المهارة، ورفض صريح للثنائية تبَنٍّ/مقاومة — «أنا لست مناهضًا للذكاء الاصطناعي؛ أنا مؤيّد للسياق».
• انتقائية مبدئية بدلًا من التبنّي أو المقاومة. أجرى Adiozaman and Segar (2026) ثلاث مقابلات مع أكاديميين اثنين لهما أكثر من عشرة أعوام خبرة خلال فصل دراسي واحد، فوجدا عمل الهوية منظّمًا حول ثلاثة توتّرات مترابطة — التربية مقابل المنصة، والمربّي مقابل المُيسِّر، والرعاية مقابل الامتثال — والتي لم تُحَلّ في موقف مستقر بل في انتقائية مبدئية: قرارات حسّاسة للسياق يوجّهها قيم تربوية والتزام أخلاقي وحكم مهني. ويصفون مسارًا من توجّه ضمني، مرورًا باستراتيجيات منتصف الفصل الدراسي مثل مطالبة الطلاب بشرح تفكيرهم وإعادة تصميم المهام والتقييم، إلى مواقف بقيت مفتوحة متعمَّدةً لا مثبَّتة، مع معاملة رفض استخدام معيّن كممارسة مشروعة للحكم لا كإخفاق في التبنّي. وهذا يُوفّر المقابل البنّاء للهشاشة الموثّقة أعلاه: فما يقتضيه تحوّل الدور هو الحكم، ومن ثمّ فإن الاستجابات المؤسسية المبنية حول تدريب الأدوات تعالج المشكلة الخطأ.
• نصف الاستقلالية كنقطة تشغيل مفضَّلة. مسح Dai et al. (2026) 287 معلّمًا لهم خبرة بالذكاء الاصطناعي التوليدي في 27 بلدًا وإقليمًا، فوجداهم يضعون الأداة في مستويات نصف الاستقلالية من سلّم الأتمتة — فاختار 130 المستوى الثاني («مساعدة المعلّم»)، و94 المستوى الثالث («أتمتة جزئية»)، وواحد واحد فقط اختار المستوى السادس — واصفين إياها بأنها «مساعد» أو «سقالة» أو «مكمّل» أو «شريك». وسيطر على نيّة تبنّيهم الفائدة المُدرَكة (β = .832، p < .001)، بينما أثّرت الاستقلالية الاصطناعية المُدرَكة على النيّة بصورة غير مباشرة عبر الفائدة فقط، وأخمدت نفور المخاطرة النيّة دون أن يمسّ الفائدة لأن مخاوفهم تعلّقت باستخدام الطلاب — الغشّ والنزاهة، وضعف المعرفة التأسيسية والتفكير من المستوى الأعلى، والهلوسة، وتقليص التفاعل البشري، ومخاطر أخلاقية وقانونية ومرتبطة بـالإنصاف في تعليم الذكاء الاصطناعي. ويُجسّد وصف الكُتّاب بـ«العدو الصديق» هذا الموقف بدقّة: ذكاء اصطناعي توليدي مُقدَّر كأداة دعم لكنه غير موثوق كفاعل مستقل. وما يترتّب على دور التدريس أن المعلّمين يريدون البقاء فاعل القرار وتسوية الاستخدام حالةً بحالة — بحسب المجال الدراسي واحتياجات الطلاب ونوع المهمة والتوقيت — فيلزم أن تُبنى أدوات التنسيق حول الإشراف البشري والحكم على مستوى الحالة لا حول وعود الاستقلالية.
• تبقى السلطة مع المعلّم؛ ولا تتّسع القدرة إلا داخلها. أعطى Reichert, Briceno, Tabarsi & Barnes (2026) ستّة معلّمين في المرحلة الثانوية من الصفوف 6-12 (الدراسات الاجتماعية، والرياضيات، وعلوم الحيوان، والعلوم، وعلوم الحاسوب والروبوتات) مهمة نمذجة روبوت حواري من النماذج اللغوية الكبيرة لصفّهم باستخدام نماذج ورقية، فوجدا أن كل نموذج أوّلي شفّر الموقف نفسه: كان النظام خبيرًا محدود النطاق، متخصّصًا لكن محصورًا في مجال معرَّف وإشراف المعلّم. ورسم المعلّمون حدّين. فحدود السلطة استُمدّت من المسؤولية المهنية والقانونية — فالتحكّم فيما يتعلّمه الطلاب وكيف تُصان سلامتهم لا يمكن تفويضه، فعُومل الإشراف (سجلات محادثة كاملة، وتنبيهات في الوقت الحقيقي عن استعلامات غير لائقة، وتجاوز يدوي) كواجب للدور لا كتدقيق على الأداة. وحدود الخبرة استُمدّت مما لا يستطيع النموذج معرفته: تاريخ الطلاب الأفراد، وديناميكيات الصف، والأعراف المؤسسية. ثم وُزّع التفويض انتقائيًا عبر التعليم — فرحّب المعلّمون بأن يتولّى الذكاء الاصطناعي تقديم المحتوى وتوفير مسائل للتدريب والسقالة وتغذية راجعة تكوينية، لكنهم احتفظوا بأنفسهم بإعلام الطلاب بالأهداف وبـالتقييم الختامي. وهذا يُجهّز تفضيل نصف الاستقلالية الموثَّق أعلاه بمعمارية ملموسة: سلطة المعلّم هي العنصر الثابت، ولا تنمو قدرة الذكاء الاصطناعي إلا داخلها.
• المعلّمون كمقيّمين محمّلين بالقيم. يُظهر Luo & Dawson (2026) أن تصحيح العمل المُعان من الذكاء الاصطناعي ليس فعلًا محايدًا قائمًا على معايير بل حكمًا قيميًا تشكّله تخمينات المعلّمين حول من يكون الطالب (الاستقامة، والاجتهاد)، وما هو قادر عليه (الاستقلال، ومهارة الذكاء الاصطناعي التوليدي، والتمكّن التخصصي)، وكيف ينتظم علاقته بالآخرين (الثقة)، وهل يؤدّي القرار إلى نتائج حسنة (الإنصاف، والإحسان). وكثيرًا ما يفتقر المعلّمون إلى الوعي بالتوجّهات القيمية الكامنة تحت تصحيحهم، وهي تتباين بحسب المجال الدراسي (العلوم الإنسانية أكثر نقدًا لاستخدام الذكاء الاصطناعي التوليدي؛ والعلوم الصعبة/التطبيقية أقلّ في مواجهة تحديات التصحيح) والموقف المعرفي (مطلق/تعددي/تقييمي). وهذا يجعل المعلّم مهنيًا تقييميًا يلزم أن يُدعم حكمه — لا مجرّد استخدامه للأدوات — وأن يُجعل شفافًا.
• المعلّم حَكَم على التفسيرات ذات المعنى التربوي. فحيث يزداد ثقة المعلّمين في الذكاء الاصطناعي بالتوصيات حين تُؤطَّر التفسيرات بلغتهم المنهجية/التربوية هم لا بما هو داخلي خام في النموذج، يلزم أن «تتكلّم» الأدوات الفعّالة مجال المعلّم. ففي تجربة داخلية-المواضيع، وجد Feldman-Maggor et al. (2025) أن التفسيرات المدفوعة بالمجال لأداة تجميع مدفوعة بالذكاء الاصطناعي وُثِق بها وقُبِلت أكثر بكثير من تفسيرات أهمية السمات المدفوعة بالبيانات، وهو ما يجعل المفردات التربوية للمعلّم الواجهة التي يكتسب بها الذكاء الاصطناعي الثقة والاستخدام — وحكمهم على سلامة التفسير تربويًا عاملًا حاسمًا في التبنّي.
• مُيسِّر يمكن تفويض وظيفته جزئيًا. جعل Kuhail et al. (2026) 32 طالبًا في مجالات العلوم والتقنية والهندسة والرياضيات يتناظرون تحت إدارة إنسان، أو روبوت حواري ذكي (GPT-4، مُطالَبٍ بالسلوكيات المتوقّعة من أعضاء هيئة التدريس: الحياد، وتساوي زمن الكلام، والإرشادات الموجزة، وإنفاذ البقاء على الموضوع، وأسئلة المتابعة، وتهدئة التصعيد)، أو كليهما بالتتابع، فلم يجدوا فرقًا دالًا إحصائيًا في الفعالية أو الاستمتاع أو الرضا أو الفائدة أو نيّة إعادة الاستخدام (t = 0.23 إلى 1.30، p = 0.198 إلى 0.818). ويقرأ الكُتّاب النتيجة الصفرية كتطبيع للتعاون بين الإنسان والذكاء الاصطناعي في المناظرة الخاضعة لقواعد، لا كتكافؤ. أما طريق إعادة الاستخدام فقد اختلف: فتحت الإدارة البشرية قاد الرضا نيّة الاستخدام، بينما قادت الفائدة المُدرَكة ذلك تحت الإدارة الذكية (0.806 مقابل 0.495)، فنجا نشاط يُيسّره الذكاء الاصطناعي بالفائدة المُبرهَنة لا بمقدار الاستمتاع به. والقراءة العملية هي إدارة الذكاء الاصطناعي كوسيلة توسّع النطاق لمقررات كبيرة أو قليلة الطاقم البشري تحت إشراف إنساني، مع إنصاف غير متحقَّق منه في السخرية واللغة غير المباشرة وأنماط التواصل الأقلّية.
• مُحدِّد للأغراض، لا للكفاءات وحدها. أجرى Fagerlund et al. (2026) مقابلات مع 13 معلّمًا فنلنديًا من روضة الأطفال إلى الصف التاسع حول سبب تعلّم الطلاب عن الذكاء الاصطناعي وباستخدامه، قارئين رواياتهم عبر تأهيل Biesta وتنشئته الذاتية وتحقّقه الشخصي. فكان التأهيل أظهر الأغراض وأكثرها إلمامًا بالملموس، وهو يغطّي الذكاء الاصطناعي كهدف للتعلّم وكأداة له؛ وظهر التنشئة الذاتية كتنمية لمواقف مؤاتية نحو الذكاء الاصطناعي وإعداد للطلاب كعمّال مستقبل متمكّنون منه؛ وأُقِرّ التحقّق الشخصي — الانخراط المحدَّد ذاتيًا والذاتي المعنى — بأهميته لكن دون استراتيجيات تعليمية ملموسة خلفه، مرتكزًا على «المناقشة والتأمّل». ويقترح الكُتّاب فاعلية ذكاء اصطناعي مُطلَعة، التحقّق الشخصي في مركزها والكفاءات أساسًا لها، وهو ما يُلزم دور التدريس بواجب تحديد الأغراض: إظهار «السبب» صراحةً حتى تكتسب المهارات سياقًا بدل أن تقف غايات في ذاتها، وتكميل الأطر التقنية مثل إطار TPACK بانتباه مستدام إلى الغرض التعليمي.

تربط هذه الأدوار عمل المعلّم بـالإدراك الموزّع، والتعلّم الموقفي، والتعلّم التجسيدي، وأصول التدريس النقدية، وتعيد تأطير المعلّم كمصمّم ودليل أخلاقي لتعلّم يُتوسَّط بـالاجتماعية الثقافية لا كمستخدم فحسب.

• تتجمّع القرارات المدعومة بالذكاء الاصطناعي حيث تتوفّر بيانات سلوكية. راجع Köroğlu et al. (2026) 27 دراسة تجريبية (2016–2025) وحدّد ثمانية أنواع لقرارات المعلّم الجامعي، فوجد دعم الذكاء الاصطناعي متجمّعًا على القرارات التعليمية والتغذية الراجعة والتقييم بينما كانت قرارات المناهج وبيئة التعلّم والانفعالية والأخلاقية والإدارية نادرًا ما تُدعَم. وكانت لوحات تحليلات التعلّم أكثر أنظمة شيوعًا، إذ تعالج البيانات النصية والسجلات لتحوّلها إلى مؤشّرات سلوكية للأداء والانخراط؛ أما البيانات متعددة الوسائط والقائمة على التفاعل، والأنظمة الوكيلية، والمخرجات المعرفية وفوق المعرفية والدافعية والوجدانية، فكانت جميعها نادرة نسبيًا في المجموعة المراجَعة. والقراءة العملية للمعلّمين أن فضاء القرار الذي يفتحه أداة ذكاء اصطناعي يحدّه البيانات التي تعرضها، فاختيار الأداة هو أيضًا اختار لأيّ القرارات التعليمية تُدعَم.

كيف ينبغي للمعلّمين تكييف ممارساتهم التعليمية مع الذكاء الاصطناعي

تتقارب أدلّة قاعدة المعارف على مجموعة من التكييفات الملموسة:

صمّم الغلاف التربوي للذكاء الاصطناعي، لا الأداة فحسب. فحتى الذكاء الاصطناعي نفسه يُنتج مكاسب تعليمية كبيرة أو ضررًا صافيًا بحسب تصميم النشاط حوله. ويتسق Kibar & Ilgaz مع أدلّة المكاسب التعليمية: فمهمة المعلّم هي تصميم التجربة التعليمية، بمعاملة الذكاء الاصطناعي كعنصر داخل نشاط منظم لا كمحرّك إجابات. امنح المتعلّم محاولةً أولًا بالسقالة، ثم دع الذكاء الاصطناعي يُدرّبه — وهذا هو الفرق بين التقييم وتضخّم الأداء.

اشترط نقطة تحقّق بمشاركة الإنسان. فبدل قبول مخرَج الذكاء الاصطناعي على علّاته، علّم الطلاب أن يقيّموا عملهم المُعان من الذكاء الاصطناعي ويصحّحوه ويتحمّلوا مسؤوليته. ويُؤطّر تصميم ثقافة الذكاء الاصطناعي للاستخدام العادل ذلك كموازنة بين إنتاجية الذكاء الاصطناعي والازدهار البشري الأصيل والأصالة في التأليف. صمّم المهام ليساعد الذكاء الاصطناعي في الصياغة ويبقى المتعلّم فاعل التقييم والمراجعة.

انتقِ مسوّدات التغذية الراجعة من الذكاء الاصطناعي؛ لا تنقلها فحسب. أعطى Chen et al. (2026) 64 معلّمًا صينيًا في مرحلة ما قبل الخدمة تغذيةً راجعةً على الكتابة الجدلية بمساعدة ChatGPT، فوجدوا أن معاملة المخرَج كمادة أولية للمسوّدة لا كتعليق منتهٍ حرّكت التفكير النقدي إلى حيث لم تحرّكه التغذية الراجعة من المعلّم وحده (d من Cohen عند الاختبار البعدي 3.74 مقابل 0.25 عند الاختبار القبلي، p < .001). وما فعله المعلّمون بالمسوّدة هو الجزء القابل للنقل: فقد نسخوا المحتوى المناسب على مستوى قريب من مستواهم (28%)، ووسّعوه بمدخلات أعمق (16%)، وزوّدوا به (16%)، وراجعوه (14%)، أو أسقطوه كليًا (14%)، مع 9% إضافية احتاجت تصحيحًا. وميلت التغذية الراجعة المُعانة نحو النمذجة (العرض التوضيحي، 33.1% مقابل 10.9%) والاستقصاء (التساؤل الدقيق، 21.5% مقابل 6.0%)، وراجع الطلاب نصوصهم نحو التحليل والتقييم والإبداع لا نحو التعرّف، لكن ستة من ثمانية ممن أُجريت معهم مقابلات أبلغوا مع ذلك عن عدم الدقّة وقلّة المهنية. وخطوة التحقّق من المعلّم هي ما يجعل الهجين آمنًا.

كيِّف التقييم مع عصر الذكاء الاصطناعي. انتقل من المهام التي تُكملها النماذج اللغوية الكبيرة حرفيًا نحو تقييمات أصيلة وقائمة على العملية وتُجرى حضوريًا. وتُتيح مقاييس التقييم للمعلّمين معيارًا للحكم على مقدار ما هو مشروع من مساعدة الذكاء الاصطناعي في كل مرحلة، ويُظهر الدليل البَعدي التحليلي أن الذكاء الاصطناعي يستطيع دعم التفكير من المستوى الأعلى حين يقتضيه تصميم التقييم.

اصمن الشروط لتعلّم دائم. فلأن إجابات الذكاء الاصطناعي تجعل التعلّم يبدو سهلًا، يلزم على المعلّمين التصميم لمواجهة فجوة الأداء-التعلّم. ويحذّر Lodge & Loble من أن النجاح السهل مع الذكاء الاصطناعي قد يُخفي غياب التعلّم؛ فعلى المعلّمين بناء كفاح منتج في المهام، واشتراط إبراز التمكّن دون مساعدة، ومعاملة الإجابات المدعومة بالذكاء الاصطناعي كنقطة انطلاق لا كناتج نهائي.

خطّط لوسيط التوصيل. فالتكييف ليس محايدًا تجاه الوسيط: فـالتعليم عبر الإنترنت مع الذكاء الاصطناعي يُضاعف الفرص (التخصيص القابل للتوسّع، والدعم الدائم) والمخاطر (النزاهة، والتفريغ المعرفي) على حدٍّ سواء. صمّم الغلاف التربوي للذكاء الاصطناعي بتعمّد في السياق الإلكتروني بقدر ما تفعله في السياق المباشر.(Can AI deliver appropriate support for diverse student profiles? A large-scale evaluation)

إدماج ثقافة الذكاء الاصطناعي في التدريس

ثقافة الذكاء الاصطناعي ليست وحدة منفصلة — بل هي منسوجة في كيفية تصميم المعلّمين لكل مقرر. ومن المقاربات الفعّالة:

• نمذج ثقافة الذكاء الاصطناعي عمليًا. فالمعلّمون الذين يستخدمون الذكاء الاصطناعي ويقيّمونه وينتقدونه بأنفسهم يضعون المعيار للطلاب. وتصف متواليات ثقافة الذكاء الاصطناعي التدرّج من طلاقة الأدوات إلى التقييم النقدي الذي يلزم على المعلّمين سقالته.
• علّم التقييم والمعايرة، لا الاستخدام فحسب. فما يحتاجه الطلاب هو معرفة متى يكون الذكاء الاصطناعي موثوقًا ومتى يهلوس — فـالتفكير النقدي في مخرجات الذكاء الاصطناعي ثقافةٌ أساسية. وهذا يتصل بـالاستخدام المسؤول وكيف يُؤطَّر استخدام الذكاء الاصطناعي للطلاب.
• ابنِ معايير استخدام الذكاء الاصطناعي مع الطلاب تشاركيًا. تُظهر المقاربات المبدئية لتعليم الذكاء الاصطناعي والمطالبات التي يكتبها المعلّمون أن التوقّعات الصريحة والمصمّمة تشاركيًا أنجح من القواعد العقابية.

ضمان النزاهة الأكاديمية في عصر الذكاء الاصطناعي

النزاهة الأكاديمية مع الذكاء الاصطناعي مشكلة تصميم، لا مشكلة رقابة. ويتكيَّف المعلّمون عبر:

• إعادة تأطير النزاهة حول العملية والأصالة. فبدل الكشف، أكّد النزاهة الأكاديمية كاستخدام شفاف موثَّق. ويُظهر بحث الوكلاء الأذكياء والطلاب الأشباح أن خطر النزاهة يتحوّل حين ينشر الطلاب وكلاء ذكاء اصطناعي نيابةً عنهم، فعلى المعلّمين أن يُعرِّفوا ما تعنيه الأصالة حين يكون «الشبح» ذكاءً اصطناعيًا.
• استخدام الإفصاح والتأطير. فـكيف يُؤطَّر استخدام الذكاء الاصطناعي للطلاب — كعكّاز أو كأداة مشروعة — يُشكّل ما إذا كانوا يُفصحون عنه. وأعراف الشفافية (كالإفصاح عن استخدام الذكاء الاصطناعي) تُقلّل الحافز على إخفاء استخدامه.
• تصميم إزالة الحافز على الغشّ. فالتقييمات الأصيلة والقائمة على العملية والحضورية (الامتحانات الشفهية، والحافظ الإلكترونية، وحل المشكلات المُلاحَظ) تجعل التفويض الخارجي أقلّ جذبًا مما تفعله أدوات كشف الذكاء الاصطناعي. ومقاييس التقييم والتقييم الأصيل هما البديل البنّاء عن سباقات التسلّح بـالكشف.
• التنظيم على مستوى المهمة هو كيف يحكم المعلّمون الذكاء الاصطناعي فعلًا. يُظهر بحث Chirikov (2026) على أكثر من 31,000 من منهاج مقرر أن المعلّمين يتصرّفون تدريجيًا كـمنظّمين على مستوى المهمة بدل تطبيق قواعد شاملة: فيقيّدون الذكاء الاصطناعي في الصياغة/المراجعة (79% من المقررات) والاستدلال/حل المشكلات (65%)، ويسمحون به في التحرير/التدقيق اللغوي (83%) ودعم الدراسة (80%)، ويتركون توليد الأفكار/التخطيط أكثرها موضع خلاف (46% يسمحون / 54% يقيّدون). وهذا التمييز — المبني على أي المهام يزيحها الذكاء الاصطناعي مقابل أيّها يعزّزها — بديل ملموس يحرّكه المعلّمون عن سياسة التبنّي أو المنع الشاملة، ويمنح دور المعلّم مكانةً مركزية في تكوين السياسة.

ربط التدريس بتصميم التعلّم

التدريس وتصميم التعلّم وجهان لعملة واحدة — فأحكام المعلّم اليومية هي التنفيذ الحيّ للتجربة التعليمية المصمَّمة. ويشدّ الذكاء الاصطناعي هذا الرابط:

• المعلّمون كمصمّمي تعلّم. يُظهر LearnAI وتصميم المطالبات الذي يكتبه المعلّمون المعلّمين يعملون كمصمّمين: يحدّدون النشاط، ودور الذكاء الاصطناعي، والسقالات التي تُنظّم التعلّم. وهذا تصميم التعلّم في العمل عند نقطة الاستخدام.
• تحكم مبادئ تصميم التعلّم في تربية الذكاء الاصطناعي. فالمبادئ نفسها في تصميم التعلّم — أهداف واضحة، وتقييم مواءَم، وسقالات، وتغذية راجعة — هي ما يحدّد هل ينفع الذكاء الاصطناعي أم يضرّ. ويُثبت معيار ISD-Agent تجريبيًا أن تأسيس تصميم الذكاء الاصطناعي في نماذج تصميم تعليمي رسمية يتفوّق على المطالبة الخالية من النظرية.
• صمّم لتنسيق المعلّم. فبيئات تعلّم الذكاء الاصطناعي الفعّالة مصمّمة مع وضع المعلّم في الحسبان — ويلزم أن تُقلّل ما توفّره أدوات الذكاء الاصطناعي الموجَّهة للإنسان من عبء عمل المعلّم وأن تعزّز حكمه، لا أن تضيف صندوقًا أسود معتمًا آخر. وحين يُصمّم المعلّمون أنشطة تعلّم بالذكاء الاصطناعي تصميمًا مشتركًا (منظورات نظرية النشاط)، يتحسّن التبنّي والجودة معًا.

العلاقة بهوية المتعلّم

دور المعلّم وهوية المتعلّم وجهان متقابلان للعملية الإنسانية نفسها، ويعيد الذكاء الاصطناعي تشكيلهما.

• هوية المعلّم هوية مهنية؛ وهوية المتعلّم هوية تعلّمية. توثّق صفحة دور المعلّم كيف يعيد الذكاء الاصطناعي تشكيل عمل المربّين وهويتهم وفاعليتهم — أي فهمهم المهني المتطوّر لذواتهم (انظر تأطير Laidlaw للذكاء الاصطناعي التوليدي كأزمة هوية). وهوية المتعلّم هي البنية الموازية للطلاب: من هم ومن يصيرون متعلّمين، بمصطلحات تخصصية ومهنية وإبداعية وأكاديمية.
• وهما مترابطتان سببيًا. فالمعلّمون الذين يعيشون انقطاعًا في الهوية (شكًّا حول غرضهم المهني في ظل الذكاء الاصطناعي التوليدي) أقلّ قدرة على دعم تطوّر هوية طلابهم — فالمعلّم الذي يشكّ في دوره يكافح ليُصدّق على الإحساس الناشئ بالذات لطلابه في المجال نفسه. وعلى العكس، المعلّمون الذين يحافظون على هوية مهنية واثقة أقدر على سقالة الانتماء والأصالة لطلابهم.
• أنماط إخفاق متمايزة. فتهديد هوية المعلّم يأتي من تقادُم الدور والغرض (سؤال «فما الجدوى من التعليم؟»). وتهديد هووية المتعلّم يأتي من فقدان الأصالة والكفاءة (سؤال «هل هذا لي فعلًا / هل أنا جيد بما يكفي؟»). وكلاهما استجابتان على مستوى الهوية (لا على مستوى المهارات فقط) تجاه الذكاء الاصطناعي.
• وكلاهما من شؤون التطوير المهني والتربية. فدعم هوية المعلّم ينتمي إلى التطوير التربوي وكفاءة المعلّم في الذكاء الاصطناعي؛ ودعم هوية المتعلّم ينتمي إلى تجربة الطالب، والتقييم الأصيل، والفاعلية. والنظام المُدمَج مع الذكاء الاصطناعي المصمَّم جيدًا يعتني بالاثنتين — لأن هوية المعلّم هي الشرط الذي تتشكّل تحته هويات المتعلّمين.

التصميم المشترك بين المعلّم وثقافة الذكاء الاصطناعي المبكّرة

• التصميم المشترك للمعلّم في ثقافة الذكاء الاصطناعي المبكّرة. يُظهر Lee (2026) أن معلّمَي ما قبل الروضة ومعلّمَي رياض أطفال صمّموا تشاركيًا منهاج «اللعب مع الذكاء الاصطناعي» (PL-AI) قد شهدوا نموًا جوهريًا في الثقة والفاعلية التربوية، مع fostering التصميم المشترك لملكية المنهاج والممارسة التأمّلية والتكييف ذي المعنى. وهذا يجعل المعلّمين مصمّمين مشاركين محوريين — لا منفّذين فحسب — لمناهج ثقافة ذكاء اصطناعي مناسبة نمائيًا، وهو نموذج له انعكاسات على إعداد المعلّمين في الطفولة المبكرة وتعليم الذكاء الاصطناعي.

المعلّمون يُصمّمون موارد تعلّم بالذكاء الاصطناعي تشاركيًا

• يمتدّ دور المعلّم إلى التصميم المشترك لموارد تعلّم بالذكاء الاصطناعي: فـمحاكاة موارد تعلّم في تعليم الروبوتات ومجالات العلوم والتقنية والهندسة والرياضيات صُمّمها المعلّم مع الذكاء الاصطناعي تشاركيًا حفظت الصلاحية التربوية لِمخرَج الذكاء الاصطناعي التوليدي وملاءمته للسياق، والمعلّمون هم المستفيدون المقصودون من مقياس ثقافة الذكاء الاصطناعي للمعلّمين. ودمج الذكاء الاصطناعي التوليدي الفعّال يعتمد تدريجيًا على إشراك المعلّمين في التصميم.

ينبغي لأنظمة التأمّل بالذكاء الاصطناعي أن تتكيَّف مع خبرة المعلّم

• ينبغي لتحليلات التأمّل الموجَّهة للمعلّمين بالذكاء الاصطناعي أن تُكيَّف بحسب الخبرة، لا بوضع واحد يناسب الجميع. فمسح شمل 100 معلّم أمريكي في التعليم المدرسي (تقسيم وسيط عند تسع سنوات؛ اختبارات ذات الحدّين؛ فروق اختيارية بنسبة 15% قابلة للكشف بقوّة تقارب 83%) وجد انقسامات منهجية في التفضيل. فالمعلّمون الأقلّ خبرة يستشهدون بنقص وقت التأمّل كعقبة رئيسية بمعدّل ثلاثة أمثال المعلّمين الخبيرين (37% مقابل 12%، p < .001) ويريدون تحليلات عن انفصال الطلاب (48% مقابل 33%، p = .028) وانفعالاتهم (31% مقابل 18%، p = .036).
• قاعدة التصميم المستخلصة من الانقسام هي أنماط التوصية المُكيَّفة بحسب الخبرة. فالمعلّمون الخبراء يريدون تحليلات عن تحسّن التعلّم بعد مساعدة طالب (40% مقابل 26%، p = .019) وعن أساليب تدريسهم (42% مقابل 26%، p = .012)؛ وعقبتهم الرئيسية هي تتبّع الأداء (28% مقابل 15%، p = .009). قاعدة التصميم: وضع المبتدئ = مطالبات منظمة وتحليلات انخراط؛ وضع الخبير = تحليل طولي مرن — وهو حجّة مباشرة ضد لوحات معلومات موحّدة. (How expertise levels shape preferences and reflection needs — towards AI reflection systems for teacher empowerment)

المفاهيم المتصلة

• الشراكات التربوية — الشراكات التربوية
• هوية المتعلّم — هويات متعلّم متطوّرة تخصصيًا ومهنيًا وإبداعيًا وأكاديميًا
• تعليم الأعمال
• التطوير التربوي
• كفاءة المعلم في الذكاء الاصطناعي
• ثقافة الذكاء الاصطناعي
• K-12
• التعليم العالي
• السقالة
• تصميم التعلّم
• التدريس الذكي
• النماذج اللغوية الكبيرة (LLMs)
• تعلّم مكان العمل
• الإدراك الموزّع
• التعلّم الموقَّع
• البيداغوجيا النقدية
• التطوير المهني
• علوم التعلّم
• النزاهة الأكاديمية
• أصول التدريس واستراتيجيات التعليم — مفهوم جامع: أصول التدريس واستراتيجيات التعليم في تعليم الذكاء الاصطناعي
• أصحاب المصلحة — مفهوم جامع: الناس والجماهير في تعليم الذكاء الاصطناعي (المتعلّمون، والمعلّمون، والمصمّمون، والإداريون، وواضعو السياسات)

المقالات المتصلة

• Navigating AI's educational future: expert scenarios and implications for teaching and teacher preparation — مفارقة الأكثر إنسانية: سيناريوهات خبراء لعام 2030 تجد إشباع الذكاء الاصطناعي يشتدّ بدل أن يزيح العمل التربوي البشري (Malyn-Smith et al. 2026)

• Exploring Teachers' Instrumental Orchestration and Roles in High School Mathematics Classes Using AI-Based Digital Tools — ست دروس مُراقَبة في رياضيات المرحلة الثانوية تُوسّع التنسيق الأداتي بثلاثة أنواع جديدة (Noh & Kim 2026)

• Responding to AI-generated emotional alerts: teachers' intervention and students' engagement in the mathematics classroom — الاستجابة لتنبيهات انفعالية مولَّدة بالذكاء الاصطناعي: تدخّل المعلّمين وانخراط الطلاب في صف الرياضيات

• Edustories: A Collection of Real-world Case Studies from Classroom Practices — Edustories: مجموعة دراسات حالة من العالم الواقعي من ممارسات الصف

• Human-Centered Design of LLM-Powered Educational Chatbots: A Study with Secondary Teachers — المعلّمون يصمّمون روبوتات صفّية حواريّة كخبراء محدودي النطاق ويحتفظون بالسلطة

• GenAI as a Frenemy in Teaching: Perceived Autonomy and Risks — الذكاء الاصطناعي التوليدي كـ«عدو صديق»: المعلّمون يفضّلون نصف الاستقلالية، والفائدة تقود التبنّي، ونفور المخاطرة يستهدف استخدام الطلاب (Dai et al. 2026)

• AI-Supported Lecturer Decision-Making in Higher Education: A Socio-Technical Perspective — قرارات المعلّم الجامعي المدعومة بالذكاء الاصطناعي في التعليم العالي

• How Instructors Regulate AI in College: Evidence from 31,000 Course Syllabi — كيف ينظّم المعلّمون الذكاء الاصطناعي عبر 31,000 منهاج مقرر؛ التنظيم على مستوى المهمة (Chirikov 2026)

• AI Teaching Innovation Behavior Among College Teachers: A Structural Equation Modeling Analysis Based on the AI-TPACK Framework, Teaching Self-Efficacy, Professional Identity, and AI Literacy — سلوك ابتكار التدريس بالذكاء الاصطناعي بين معلّمي الكليات (نموذج معادلات بنيوية AI-TPACK؛ Bai & Hsieh 2026)

• Towards Synergistic Teacher-AI Interactions with Generative Artificial Intelligence

• Balancing Teacher and Student Agency: Co-Orchestration Tool Design Supporting Real-Time Dynamic Pairing

• How AI Is Changing Teaching Workflows

• Teacher-Authored Prompts for Configuring Student-AI Dialogue: K-12 Classroom Implementation

• When faculty ask, 'what's the point of teaching?': GenAI as identity crisis, not skills gap — الذكاء الاصطناعي التوليدي كأزمة هوية، لا كفجوة مهارات

• Artificial intelligence, cognitive offloading and implications for education — الذكاء الاصطناعي والتفريغ المعرفي وانعكاساتهما على التعليم (Lodge & Loble 2026)

• The Intersection of Artificial Intelligence and Instructional Design Practice: A Systematic Review — الذكاء الاصطناعي وممارسة التصميم التعليمي: استعراض منهجي (Kibar & Ilgaz 2026)

• Can AI deliver appropriate support for diverse student profiles? A large-scale evaluation — هل يستطيع الذكاء الاصطناعي تقديم دعم مناسب لملامح طلاب متنوّعة؟ تقييم واسع النطاق

• The Devil is in the Details: AI Agents, Ghost Students, and the Crisis of Verified Presence in an Agentic AI World — الطلاب الأشباح والذكاء الاصطناعي الوكيلي في التقييم

• Reimagining teacher-AI co-design in learning task design: trends and perspectives — التصميم المشترك بين المعلّم والذكاء الاصطناعي لمهام التعلّم: اتجاهات ووجهات نظر (Wang et al. 2026)

• Navigating uncertainty: university teachers' experiences and perceptions of generative artificial intelligence — تجارب المعلّمين الجامعيين وتصوّراتهم عن الذكاء الاصطناعي التوليدي: الهشاشة، وإعادة التفكير في التقييم، وتعلّم الطلاب في خطر (Farazouli et al. 2026)

• Exploring value judgements in grading: will teachers mark down student work assisted by GenAI, and should they? — الأحكام القيمية في تصحيح العمل المُعان بالذكاء الاصطناعي التوليدي: الاستقامة، والثقة، والصدق، والشفافية المتبادلة (Luo & Dawson 2026)

• Making machine learning findings accessible to teachers in blended classrooms — جعل نتائج تعلّم الآلة متاحة للمعلّمين في الصفوف المدمجة

• A Systematic Review of Language Educators' Practices and Development with GenAI — ممارسات معلّمي اللغات وتطوّرهم مع الذكاء الاصطناعي التوليدي

• ChatGPT-Assisted Lesson Planning for Children's STEAM Arts Education: An Experimental Study on Benefits, Challenges, Methods, and a Prompt Framework

• A Feasibility and Implementation Integrity Study of the Community Builder (CoBi): An AI-based Collaboration Support System in K-12 Classrooms

• Integrating ChatGPT in Mathematics Teacher Education: AI-Based Simulation Role-Playing to Support Practice-based Teaching

• The Impact of Explainable AI on Teachers' Trust and Acceptance of AI EdTech Recommendations: The Power of Domain-specific Explanations

• Suitability of Artificial Intelligence Supported Lesson Plans from the Perspective of Science Education Experts

• Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback

• ‘Resistance is futile?’: identity tensions and principled selectivity in AI-integrated teaching — توتّرات الهوية والانتقائية المبدئية في التعليم المُدمَج مع الذكاء الاصطناعي (Adiozaman & Segar 2026)

• Teacher intervention in K-12 AI-based instruction: a systematic review of processes, strategies, and effects — تدخّل المعلّم في التعليم المدرسي القائم على الذكاء الاصطناعي: استعراض منهجي

• Beyond the algorithm: academic developers as digital mediators in Global South higher education — المطوّرون الأكاديميون كوسطاء رقميين: إعادة تشكيل الدور، والعمل الانفعالي، والحكم في مؤسسات جنوب إفريقية التي عانت إجحافًا تاريخيًا

• Where Artificial Intelligence Enters Teacher Work — أين يدخل الذكاء الاصطناعي في عمل المعلّم

• AIED unplugged, teacher workload, and numeracy learning: a clustered quasi-experimental mixed-methods study — AIED دون اتصال: المعلّم وسيطًا بين المتعلّمين والذكاء الاصطناعي، تجربة شبه عشوائية على 19 صفًّا تقودها التدريبات والتقليل غير المباشر للجهد (Rodrigues et al. 2026)

• Instructional Governance by Design: A Framework for AI in Computing Education — الحوكمة التعليمية بالتصميم: إطار للذكاء الاصطناعي في تعليم الحوسبة

• Will It Teach as Intended? How Teachers Configure Educational AI Chatbots — هل سيُعلّم كما هو مقصود؟ كيف يُهيّئ المعلّمون روبوتات تعليمية حواريّة بالذكاء الاصطناعي

• Teacher Mediation and the Contingent Promise of Generative AI in Mathematics Education — وساطة المعلّم في الرياضيات: خمس ممارسات وساطة نقدية، وتحوّل السلطة، والفجوة الخوارزمية بين الطبقتين المجانية والممتازة

• Teacher Readiness-By-Design for AI-Rich Interactive Learning — جاهزية المعلّم بالتصميم: الجاهزية كقدرة تصميمية، لا كتبنٍّ أو ثقة (Charles 2026)

• Effects of ChatGPT-Assisted Teacher Feedback on College Students' Critical Thinking Skills and Perceptions of Argumentative Writing — تغذية راجعة من المعلّم بمساعدة ChatGPT: المعلّمون ينتقون مسوّدات الذكاء الاصطناعي بدل نقلها

• From Competency to Agency: Teachers' Views of the Purposes of AI Education — من الكفاءة إلى الفاعلية: وجهات نظر المعلّمين في أغراض تعليم الذكاء الاصطناعي

• The Great Debaters Meet the Great Facilitators: How Debate Students Evaluate Human Moderators and Their AI Counterparts — مُيسِّرو مناظرة بشر مقابل ذكاء اصطناعي: تقييمات متكافئة، وطرق مختلفة لإعادة الاستخدام

• Mapping Research on Generative Artificial Intelligence for Programming Education: A Systematic Review — الذكاء الاصطناعي التوليدي في تعليم البرمجة: استعراض منهجي تكون فيه أدوار المعلّمين الأقلّ دراسةً

• From information providers to learning designers: heutagogical teaching practices in AI-enhanced education — من مزوّدي المعلومات إلى مصمّمي التعلّم: ممارسات تدريس هيوتاغوجية في التعليم المعزَّز بالذكاء الاصطناعي

• How expertise levels shape preferences and reflection needs — towards AI reflection systems for teacher empowerment — How Expertise Levels Shape Preferences and Reflection Needs: Towards AI Reflection Systems for Teacher Empowerment (Falhs et al. 2025)

• A Conversational AI Framework for Teacher Training — أداة حواريّة بالذكاء الاصطناعي لتشخيص المفاهيم الخاطئة في التدريس بحوار مؤسَّس على الأدلّة (Miranda & Calvani 2026)