نقل التعلّم

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

نقل التعلّم — المدى الذي تبقى فيه المعرفة أو المهارات المكتسبة في سياق واحد (مثلاً، التدريب مع أداة ذكاء اصطناعي) وتنطبق فيه في سياق مختلف (مثلاً، الأداء المستقل دون الأداة). في الذكاء الاصطناعي في التعليم، النقل هو السؤال المفتوح المركزي: ما إذا كانت مكاسب الأداء التي يُظهرها الطلاب مع أدوات الذكاء الاصطناعي تتحوّل إلى تعلّم دائم يستطيعون إظهاره دونها.

أسئلة تستحق التأمل

• إليك نمطاً مثيرةً للانتباه توثّقه الصفحة: يُظهر الطلاب في كثير من الأحيان مكاسب فورية في المهام المساعدة بالذكاء الاصطناعي، لكن تلك المكاسب قد تتلاشى — أو حتى تنعكس — عند إزالة الذكاء الاصطناعي. قبل قراءة التفسيرات، لماذا تظنّ أن أداةً تساعد بوضوح في اللحظة قد تنتهي بترك الطلاب في وضع أسوأ دونها؟
• تذكّر شيئاً تعلّمت أداءه مع مدرّس أو آلة حاسبة أو مساعد ثم اضطررت لأدائه بمفردك. هل انتقلت المهارة، أم شعرت بالاعتماد على العَوْن؟ وما الذي اختلف في التجارب التي انتقلت جيداً مقابل تلك التي لم تنتقل؟
• حدس شائع هو أن "التدريب تدريب" — أن أداء مهمة بمساعدة يبني المهارة نفسها التي يبنيها أداؤها بمفردنا. فأين قد يضلّ ذلك الحدس، لا سيما عندما تكون المساعدة ذكاءً اصطناعياً يُنجز الاستدلال نيابةً عنك بدلاً من إرشادك خلاله؟
• ترسم الصفحة تمييزاً بين "الآثار مع" تقنية و"الآثار لدى" استخدامها — الأداء الأفضل أثناء استخدام الأداة مقابل أن تصير أكثر قدرةً دونها. إذا كنت معلّماً أو مصمّماً أو طالباً، فأيّ هذه هو هدفك الحقيقي، وكيف تعرف أنك حقّقته؟
• تشير الأدلة إلى أن مقدار العمل المعرفي الذي تُفوّضه مهم: فإسناد المهام السطحية مثل القواعد يُضرّ بالنقل أقلّ من إسناد الاستدلال العميق والبنية. فكّر في آخر مرة استخدمت فيها الذكاء الاصطناعي في تكليف ما. أي "طبقة" أسندت، وماذا يتنبّأ اختيارك بما ستستبقيه؟
• تقترح الصفحة شروطاً قد تدعم النقل الإيجابي — ضوابط الضوابط بيداغوجية، ودعماً متلاشياً، ومعايرة لجهوزية المتعلّم. إذا كنت تصمّم (أو كنت مستخدم) أداة تعلّم بالذكاء الاصطناعي، فما الذي تشترطه حتى تصير المكاسب أثناء استخدامها قدرةً دائمةً دونها؟

المقدمة

نقل التعلّم همّ تأسيسي في بحث التعليم، وقد جعلت أدوات الذكاء الاصطناعي منه أمراً ملحّاً. والنمط التجريبي المحدِّد الموثّق عبر دراسات الذكاء الاصطناعي في التعليم هو مفارقة النقل: يُظهر الطلاب المستخدمون للذكاء الاصطناعي عادةً مكاسب فورية قابلة للقياس في المهام حيث يكون الذكاء الاصطناعي متاحاً، لكن تلك المكاسب كثيراً ما تفشل في البقاء — أو حتى تنعكس — عند إزالة الذكاء الاصطناعي واضطرار الطلاب إلى إظهار الفهم باستقلال. وهذا النمط يستدعي الاعتماد المفرط، ونظرية الحِمل المعرفي، وما وراء المعرفة كالآليات العاملة، ويرتبط مباشرةً بجدالات حول تصميم التدريس بالذكاء الاصطناعي.

الجهوزية ليست نقلاً: ارتبطت الممارسة الشفهية المساعدة بالذكاء الاصطناعي بقلقٍ أقلّ من التحدّث ورغبةٍ أعلى في التواصل مع البشر، لكن أياً من الدراستين لم تُراقب التحدّث البشري، تاركةً الطريق من التدريب الشفهي بالذكاء الاصطناعي إلى القدرة التواصلية البشرية اقتراحاً بيداغوجياً غير مُختبر (وانغ ولي (2026)).

مفارقة النقل

يُظهر الطلاب المستخدمون للذكاء الاصطناعي عادةً مكاسب فورية قابلة للقياس في المهام حيث يكون الذكاء الاصطناعي متاحاً. لكن عند إزالة الذكاء الاصطناعي:

• تصبح الآثار مختلطة أو سلبية
• تفشل المكاسب في الانتقال إلى بيئات غير مقوَّمة في الغالب
• قد يصبح الطلاب معتمدين على الأداة على حساب الاستدلال المستقل

وقاعدة الأدلة، المُجمّعة في مراجعة قاعدة أدلة ستانفورد حول الذكاء الاصطناعي في مرحلة K-12، متسقة عبر المجالات:

الدراسة	السياق	الأثر الفوري	أثر النقل	الآلية
Bastani et al. (2025)	رياضيات المرحلة الثانوية	درجات تدريب أعلى	أسوأ بنحو 17% في الامتحانات النهائية بالكتاب المغلق	روبوت محادثة عام أدّى العمل
Chen et al. (2025)	واجبات البرمجة	درجات واجبات أعلى	لا تحسّن في الامتحانات غير المساعدة	حلّ النماذج اللغوية الكبيرة (LLMs)-Tutor المشكلات للطلاب
Lehmann et al. (2025)	البرمجة	تغطية موضوعات أكثر	أضرّ بالفهم؛ ووسّع الفجوات	ذكاء اصطناعي عام للمتعلّمين ذوي المعرفة المسبقة المنخفضة
Stadler et al. (2024)	البحث الأكاديمي	إنجاز أسرع للمهام	استدلال أقلّ جودةً مقابل البحث	انخفاض الاندماج المعرفي
Kosmyna et al. (2025)	كتابة المقالات	جودة مقال أعلى	فشل 83% في تذكّر اقتباساتهم	إسناد التأليف للغير

تُظهر الدراسات الخمس جميعها نمط نقل سلبي أو صفري عندما يكون الذكاء الاصطناعي العام هو التدخل.

الآليات التي تُقوّض النقل

إزاحة ما وراء المعرفة. إن إنجاز الذكاء الاصطناعي للاستدلال يُقلّل فرص الطلاب في مراقبة فهمهم واختيار استراتيجياتهم. وكان الطلاب الذين استخدموا الذكاء الاصطناعي أقلّ قدرةً على شرح إجاباتهم عند سؤالهم. وهذا يرتبط ببحث ما وراء المعرفة في المراقبة الذاتية وبـ الأدلة على أن المقررات المُنظَّمة تزيد الكفاءة ما وراء المعرفية بينما لا يفعل ذلك المساعدون الآليون بالنماذج اللغوية الكبيرة الخامون.

كبت الحِمل المثمر. يُقلّل الذكاء الاصطناعي العام الحِمل المعرفي المشوّق (المُشتّت) لا الحِمل المثمر فحسب — وهو الجهد الذهني المُنتج الذي يرمّز المعرفة الدائمة. فالتدريب الأسهل يبدو أفضل لكنه يخزّن آثاراً أضعف. انظر نظرية الحِمل المعرفي والتمييز بين التدريس الخاص مقابل الذكاء الاصطناعي العام.

الاعتماد المفرط / انعكاس الخبرة. المبتدئون الذين تُعطى لهم الإجابات لا يبنون مخططات. فيُوفّر الذكاء الاصطناعي العام الإجابات؛ ويُوفّر التدريس الفعّال إرشاداً منظّماً. وعندما يُعطى المبتدئون اختصارات على مستوى الخبراء، يتعطّل التعلّم — مبدأ الصعوبات المرغوبة بالمقلوب.

الأداء التابع للأداة. قد يُحسّن الطلاب استراتيجياً للقدرات المحدّدة لأداة الذكاء الاصطناعي (هندسة الإشارات، والاعتماد على بنية الشيفرة المُولَّدة) بدلاً من بناء تعميم في المجال — شكلٌ من التخفيف المعرفي يبدو مُنتجاً لكنه يُزيح التعلّم الدائم.

ويمكن للصفّ المحميّ أن يُعلّم العادة الخطأ أيضاً: يحذّر شي وداي وتشانغ (2026) من أن المحاكاة ذات القواعد المثبّتة سلفاً تُرشّح عدم اليقين وتُعزّز اتّباع القواعد، لذا قد تصير عادات القرار المتشكّلة داخلها عبئاً معرفياً بمجرد أن يقابل الطلاب مصالح متنافسةً ومعلومات ناقصةً في بيئات حقيقية.

الإسناد الحسّاس للطبقات والنقل. يختبر تشين (2026) تمييز سالومون وبيركنز وغلوبرسون "الآثار مع تقنية مقابل الآثار لدىها" مباشرةً في الكتابة المساعدة بـ الذكاء الاصطناعي التوليدي: فوجدت تجربة شبه تجريبية مدّتها ثمانية أسابيع أن التعاون المفتوح مع الذكاء الاصطناعي عظّم أداء الكتابة المدعومة لكنه أنتج أدنى مخرجات النقل القريب المستقل الخالي من الذكاء الاصطناعي، بينما حفظ الدعم المحدود بالتأمل الكفاءة المستقلة. وتنبأت طبقات الإسناد الأعمق (الاستدلال، والبنية) بنقلٍ أسوأ من الطبقات السطحية (القواعد). وهذا دليل صفّي مباشر على أن مكاسب أداء الذكاء الاصطناعي مع-الدعم لا تنتقل إلى الأداء المستقل لدى-الدعم — وأن عمق التفويض، لا مجرّد استخدام الذكاء الاصطناعي من عدمه، هو ما يشكّل النقل.

ويأتي مثيلٌ مكمّل، وإن كان مُلتبَساً، من الفيزياء: إذ أرغم إعادة تصميم جامعة بوخوم لـ Ruhr لمقرر تمهيدي في الفيزياء النووية وجزيئاتها (ميخاسينكو وزملاؤه، 2026) الطلاب على إنجاز مشكلات بحثية تعاونية غنية بالموارد بمساعدة الذكاء الاصطناعي بنجاح، مع أن أولئك الطلاب أنفسهم حقّقوا متوسط 20.6/80 في امتحان كتابي تقليدي غير مساعد، مع عجز عدة محاولات جادة عن إكمال حسابات معيارية. ويقرأ المؤلفون ذلك دليلاً على أن الأداء المساعد لا ينتقل تلقائياً إلى الأداء غير المطلوب، وعلاجهم هو التصميم المقصود: جعل الامتحان الكتابي المحدّد الوحيد للدرجة، وإطلاق المشكلات التعليمية مسبقاً حتى يصير وقت الصفّ نقاشاً مُحضَّراً، وإضافة تحضير متطلّب سابق وأمثلة مُنجَزة وتثبيت حول العمل الاستكشافي المُتاح فيه الذكاء الاصطناعي.

الشروط الداعمة للنقل الإيجابي

تشير الأدلة المحدودة إلى أن النقل ممكن عندما:

• تتوفر ضوابط بيداغوجية — تلميحات خطوة بخطوة، واستهداف المفهوم الخاطئ، والاستجواب السقراطي (تنويعة التدريس عند Bastani et al., 2025)

• تُصان الاستراتيجيات التقليدية — تحسّن تدوين الملاحظات مقترناً باستخدام الذكاء الاصطناعي في الاستبقاء (Kreijkes et al., 2026)

• يُستخدم الذكاء الاصطناعي في التدريب التكويني لا الختامي — سقالةً أثناء التعلّم، لا أثناء التقويم

• تُطابق صيغة التدريب المعرفة التي تُنقل. يجد راتشاتاسومريت وكودينغر وكارفالو (2025) أن مكاسب تدريب الاسترجاع تفشل في كثير من الأحيان في الانتقال إلى مشكلات غير مألوفة — فهي تُقوّي الذاكرة على إجراءٍ دون تمكين استخدامه في سياقات جديدة — وأن التعميم الدائم للتطبيقات الجديدة يتطلب مزاوجةَ التدريب بأمثلة مُنجَزة تدعم استقراء المهارة؛ لذا تعتمد نسبة المثال-المشكلة المثالية على ما إذا كان المحتوى حقيقةً حرفية أم مهارةً قابلة للتعميم.

• تُعاير خبرة المتعلّم — تتكيّف الأداة الدعم وفقاً للجهوزية بدلاً من الافتراض إلى المساعدة الكاملة

• النقل كالمعيار الذي يفصل التعلّم عن المساعدة. يبني يان وغاسيفيتش (2026) نظرتهما في تعلّم الإنسان-الذكاء الاصطناعي حول النقل تحت دعم مُنقَص: فلا يُحتسب الأداء المساعد تعلّماً إلا إذا بقيت القدرة بعد سحب الدعم، مما يجعل النقل الاختبار لا مخرجاً واحداً بين عدة مخرجات. واقتراحهما اتجاهي، وهو أن مطالبة الطلاب بالتحقق من المصدر أو التبرير أثناء العمل المدعوم بالذكاء الاصطناعي ينبغي أن تُحسّن الأداء المؤجّل، بينما ينبغي أن يُضعف التفويض المتكرر منخفض الاحتكاك دون إعادة بناء معايرة المتعلّمين لكفاءتهم الخاصة.

• الإرشاد مُقعَد مع العمل. مقابل نمط النقل السلبي في الجدول أعلاه، وجدت مقارنةٌ بـ 36 مشاركاً أن المتعلّمين الذين ساعدهم روبوت مكتبي أبقوا درجتهم عند 7.0/10 بمجرد سحب المساعدة بينما انهار المتعلّمون المساعدون بـ ChatGPT إلى 4.4/10، وهو ما يعادل درجة نقل قصيرة الأجل أعلى بنسبة 60% (أورلاندو وزملاؤه (2026)). والنتيجة هي نقل قصير الأجل مقيس نحو 35 دقيقةً بعد المهمة، دون اختبار استبقاء مؤجّل، لدى 36 مشاركاً في حرم جامعي واحد.

وهذا يتماشى مع بحث التدريس بالذكاء الاصطناعي الذي يُظهر أن الأدوات الخاصة بالتدريس ذات الضوابط البيداغوجية تتفوّق على روبوتات المحادثة العامة، ومع مبادئ السقالة بشأن تلاشي الدعم مع نمو الكفاءة.

أسئلة بلا جواب

1. المقياس الزمني: هل يتحسّن النقل على مدى أسابيع/أشهر من الاستخدام، أم يتعمّق الاعتماد؟
2. الفروق بين المجالات: هل يكون النقل أفضل في المجالات ذات البنية الجيدة (الرياضيات) مقابل المجالات ذات البنية السيئة (الكتابة)؟
3. الفروق الفردية: هل يعاني طلاب المعرفة المسبقة المرتفعة خسارةَ نقل أقلّ من المبتدئين؟
4. معالجة المهارة: هل يمكن لجلسات تدريب صريحة "بلا ذكاء اصطناعي" أن تعكس اعتماد الطلاب على الأداة؟

الروابط بمفاهيم ذات صلة

يرتبط نقل التعلّم بـ ما وراء المعرفة (المراقبة الذاتية للفهم)، ونظرية الحِمل المعرفي (الحِمل المثمر مقابل المشوّق)، والصعوبات المرغوبة (الكفاح المُنتج)، والسقالة (تلاشي الدعم)، والاعتماد المفرط (التبعية للأداة)، والتعلُّم الاجتماعي-الثقافي (الذكاء الاصطناعي العام يعمل خارج منطقة النمو القريب بإنجاز العمل عن الطلاب). وهو الجسر بين الأداء المساعد والتعلّم الحقيقي — التمييز بين The Evidence Base on AI in K-12: A 2026 Review والسؤال المركزي لفعالية التدريس بالذكاء الاصطناعي.

المفاهيم المرتبطة

• الأنماط التربوية — المخرج الذي تُحاكم عليه معظم هذه التسلسلات في نهاية المطاف
• ما وراء المعرفة
• الصعوبات المرغوبة
• التفريغ المعرفي
• السقالة
• التعلُّم الاجتماعي-الثقافي
• التدريس الذكي
• K-12
• التعلّم موجّه الذات
• نظريات التعلُّم
• الفشل المنتج — الفشل المُنتج

المقالات المرتبطة

• Agentivism: a learning theory for the age of artificial intelligence — نظرية تعلّم متوسطة المدى للتفاعل بين الإنسان والذكاء الاصطناعي، بأربع آليات وستّ دعاوى قابلة للاختبار (يان وغاسيفيتش 2026)

• Layer-Sensitive Cognitive Offloading in Generative AI-Assisted Writing: Supported Performance and Independent No-AI Outcomes — التخفيف المعرفي الحسّاس للطبقات في الكتابة المساعدة بالذكاء الاصطناعي التوليدي (تشين 2026)

• The Evidence Base on AI in K-12: A 2026 Review

• Knowledge without Wisdom: Measuring Misalignment between LLMs and Intended Impact

• Cognitive offloading and the speedup illusion in human-AI interaction

• Vibe Compiler: A Research-Logic Synthesis Tool That Runs without Prompt Engineering -Toward Enhancing Metacognition for Sustaining Agency in the Age of Generative AI-

• Rethinking Higher Education: From Fixed Curricula to Learnity Graphs

• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — تمييز الأداء-التعلّم والنقل الدائم

• Towards the Pedagogical Steering of Large Language Models for Tutoring: A Case Study with Modeling Productive Failure — التوجيه البيداغوجي للنماذج اللغوية الكبيرة من أجل الفشل المُنتج

• Evidence and Theory for why the Best Example-Problem Ratio To Optimize Learning Gain Depends on Knowledge Content

• AI in Particle Physics Education: Research Problems and Foundational Skills — الذكاء الاصطناعي في تعليم فيزياء الجزيئات: مشكلات بحثية ومهارات تأسيسية

• From Memorization to Experiential Learning: Reconfiguring Classroom Pedagogy in Management Education through Generative AI — تُحاجّ بأن محاكيات الصفّ المحمية قد تُشكّل عادات قرار تفشل خارجها

• AI-Assisted Speaking Practice and Human-Directed Communicative Readiness: Survey and Scenario Evidence on Anxiety, Self-Efficacy, and Evaluation Pressure — رفعت الممارسة الشفهية المساعدة بالذكاء الاصطناعي الرغبة نحو البشر لكن أياً من الدراسات لم تُراقب التحدّث البشري

• AIfred: Augmented Learning through Functional Robotic Embodiment at the Desk — AIfred: التعلّم المعزَّز عبر التجسيد الروبوتي الوظيفي على المكتب