ما أفضل الممارسات لتطوير مدرّس آلي فعال؟

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

يجب أن يُصمَّم المدرّس الآلي الفعال كـنظام تعلّم لا كروبوت محادثة يولّد الإجابات. وأقوى موضوع في قاعدة المعارف هو أن البنية التربوية — التشخيص، والسقالة، والتغذية الراجعة، وفاعلية المتعلّم، والتقييم — لا تقل أهمية عن النموذج الأساسي. ويظهر المثالان العمليان أدناه (مدرّس حساب تفاضلي ومدرّب كتابة) كيف يجب تشكيل المعمارية الجوهرية نفسها بما يقتضيه المجال الدراسي من المتعلّم.

1. ابدأ بأهداف تعلّم صريحة وحدّد مهمة المتعلّم

قبل اختيار نموذج، حدّد:

• ما ينبغي أن يعرفه المتعلّمون أو يصيروا قادرين على فعله بعد ذلك.
• ما العمل المعرفي الذي عليهم أداؤه بأنفسهم.
• ما الذي يجوز للمدرّس الآلي المساعدة فيه.

فالمدرّس الآلي المحسَّن لـ«إنجاز المسألة» يمكن بسهولة أن يقوّض مدرّسًا آليًا محسَّنًا لـ«تعلّم حل المسألة». ويؤكد مفهوم التدريس الذكي أن الفعالية تتوقف على التصميم التربوي لا على قدرة النموذج وحده.

2. شخّص قبل أن تصف

حافظ على نموذج للمتعلّم مبني على أدلة مثل المعرفة المبرهنة، والمفاهيم الخاطئة حول الذكاء الاصطناعي، والمحاولات الحديثة، وسلوك طلب المساعدة، والثقة بالنفس عند الاقتضاء. واقتبس الصعوبة والمساعدة من هذه الأدلة بدلًا من مجرد التفاعل مع أحدث محفز من المتعلّم. واحذر من السماح لـالنماذج اللغوية الكبيرة (LLMs) بأن يقوم بالتشخيص بنفسه: فقد وجدت المقارنات المرجعية أن مدرّسي نماذج اللغة الكبيرة يستطيعون تمييز الاستدلال الصحيح بوضوح مع رفضهم أحيانًا بدائل صحيحة أو قبولهم استدلالًا خاطئًا. وفي المجالات ذات العواقب، تكون معمارية مفيدة هي تشخيص منظم + حوار مرن مع نموذج لغة كبيرة. انظر تأكيد الصحيح، واغفال الباقي.

3. استخدم سلّم تلميحات بدلًا من إعطاء الحل فورًا

تسلسل توجيهي مفيد هو: اطلب محاولة، واستكشف استدلال المتعلّم، وأعطِ دليلًا صغيرًا، ثم تلميحًا مفاهيميًا أقوى، ثم برهن خطوة جزئية، ثم قدّم حلاً مفصّلًا عند الاقتضاء فقط، ثم اطلب من المتعلّم أن يشرح الفكرة أو يطبقها بشكل مستقل. وينبغي أن يخبو الدعم مع نمو الكفاءة. وهذا جوهري لمفهوم السقالة. ووجدت تجربة ميدانية مهمة أن واجهة GPT بلا حراسة رفعت أداء الرياضيات بمساعدة وخفضت أداء امتحان لاحق بلا مساعدة، بينما أزال المدرّس الآلي المانح للتلميحات تلك العقوبة على التعلّم إلى حد كبير — انظر الذكاء الاصطناعي التوليدي بلا حواجز حامية يمكن أن يضرّ التعلّم.

وقد وجدت تجربة ميدانية معشّاة أكبر بأكثر من 6,000 طالب في المرحلة المتوسطة على منصة تدريب قائمة على الإتقان البصمة نفسها بتفصيل أدق: فقد تقدّم الطلاب المسند إليهم دعم الذكاء الاصطناعي ببطء أكبر وحاولوا مسائل أقل لكنهم أجابوا بدقة أعلى و— وهذه أوضح آلية — حسّنوا صحة محاولتهم التالية بعد الأخطاء، فاحتاجوا إلى محاولات أقل للوصول إلى إجابة صحيحة. وهذا تباطؤ منتج لا التهام للإجابات، وهو السلوك الذي يُفترض أن ينتجه سلّم التلميحات. وتقدم الدراسة نفسها تحذيرًا بشأن البدائل: فاشتراط ثلاث إجابات صحيحة متتالية رفع الإتقان كما تعرّفه المنصة رفعًا حادًا دون أن ينتج مكاسب يمكن كشفها في اختبار مؤجل بعد أسبوع، وأقوى دليل من الاختبار المؤجل ظهر حيث كان الذكاء الاصطناعي داخل سير عمل الإتقان (معامل 0.085) لا كوصول قائم بذاته. انظر جعل تدريس الرياضيات بالذكاء الاصطناعي منتجًا.

4. اجعل التغذية الراجعة محددة وفورية وقابلة للتنفيذ وموصولة بالاستدلال

تجنّب التغذية الراجعة التي تقول فحسب «صحيح» أو «غير صحيح» أو «عمل جيد». وينبغي بدلًا من ذلك أن يحدد المدرّس الآلي خطوة الاستدلال المعنية، ويشرح ما يلزم إعادة النظر فيه، ويمنح المتعلّم شيئًا ملموسًا ليفعله تاليًا، ويطلب من المتعلّم أن يتنبأ أو يشرح قبل كشف التغذية الراجعة عند الاقتضاء. وتتعامل قاعدة المعارف مع التغذية الراجعة كـحلقة إفادة–استيعاب كاملة: لا تدعم التغذية الراجعة التعلّم إلا حين يفهمها الطلاب ويتصرفون بناءً عليها.

5. أرضِ المحتوى الواقعي بدلًا من الوثوق بذاكرة نموذج اللغة الكبيرة

استخدم التوليد المعزز بالاسترجاع مقابل مواد موثوقة مثل الكتب المدرسية المعتمدة من المعلّم، وملاحظات المساق، والأمثلة المحلولة، والسياسات، وموارد المنهج، واكشف الاقتباسات أو أصل المعلومات حيث يكون ذلك مفيدًا. وفي المجالات ذات الإجابات القابلة للفحص شكليًا، أضف أدوات حتمية مثل الآلات الحاسبة، وأنظمة الرياضيات الرمزية، وتنفيذ الأكواد، ورسوم المعرفة البيانية، والمدققات القائمة على القواعد، وحلالات خاصة بالمجال. ويمكن للتوليد المعزز بالاسترجاع أن يقلل خطر الهلوسة، وإن لم يقض عليه — انظر التوليد المعزز بالاسترجاع.

6. صمّم لما وراء المعرفة وفاعلية المتعلّم

اطلب من المتعلّم بانتظام أن يولّد أو يختار أو يبرر أو يقيّم أو يتأمل. ومبدأ تصميمي مفيد هو المتعلّم أولًا ← الذكاء الاصطناعي ثانيًا ← المتعلّم مجددًا. والهدف البعيد هو أن يستدمج المتعلّمون استراتيجيات استجواب المدرّس الآلي وحل المسائل بدلًا من الاعتماد عليه. انظر فاعلية المتعلّم والسقالة.

7. تعامل مع السلامة التربوية بخلاف سلامة روبوت المحادثة العادي

ينبغي أن يشمل اختبار السلامة لمدرّس تعليمي أكثر من مقاومة السمية والاختراق. فاختبر تسريب الإجابات، وتعزيز المفاهيم الخاطئة، والموافقة المفرطة أو التملق، والصعوبة غير الملائمة، والتفريغ المعرفي، والمعاملة المتحيزة، وفقدان فاعلية المتعلّم، والانحراف التعليمي، والثقة المفرطة في تفسيرات خاطئة. وينبغي أن يكون المدرّس الآلي لطيفًا لكن صحيحًا، بما في ذلك حين يصرّ المتعلّم على مفهوم خاطئ، وينبغي أن يشمل الاختبار محاورات ممدودة لأن الإخفاقات التربوية تتراكم عبر تفاعلات متعددة. انظر الأمان البيداغوجي وسلامة المدرّس الآلي والأضرار التربوية.

8. ابنِ الخصوصية وإمكانية الوصول والإنصاف في المعمارية

اجمع من بيانات المتعلّم ما هو ضروري تربويًا فحسب. وحيث تُستخدم الذاكرة المستمرة أو نمذجة المتعلّم، فاجعل غايتها شفافة، وامنح المتعلّمين تحكمًا ملائمًا، واحمِ المعلومات الحساسة، وحدّد سياسات الاحتفاظ، وقدّم إشرافًا بشريًا أو من المعلّم للحالات ذات العواقب. ودقّق سلوك المدرّس الآلي عبر الخلفيات اللغوية، ومستويات القدرة، والسياقات الثقافية، واحتياجات إمكانية الوصول، ومستويات المعرفة السابقة والخبرة في الذكاء الاصطناعي المختلفة. ولا تجعل التحفيز المتطور شرطًا مسبقًا للتعليم الجيد — فعلى المدرّس الآلي نفسه أن يساعد المتعلّمين على صياغة أسئلة منتجة.

9. قِس التعلّم لا جودة روبوت المحادثة فحسب

مقاييس مثل دقة الاستجابة، وطول المحادثة، وتفضيل الطلاب، والرضا، وإنجاز المهام، والانخراط غير كافية بذاتها. فقيّم بدلًا من ذلك الأداء بلا مساعدة، والاحتفاظ المؤجل، والنقل إلى مسائل جديدة، وتصحيح المفاهيم الخاطئة، واستقلالية المتعلّم، واستيعاب التغذية الراجعة، والآثار التفاضلية عبر مجموعات المتعلّمين. والسؤال الحاسم هو ما إذا كان المتعلّمون قادرين على الأداء بنجاح بعد إزالة المدرّس الآلي. انظر تقييم الذكاء الاصطناعي في التعليم (AI Ed Evaluation) ومحور التقييم المفقود.

تشحذ دراستان حديثتان تلك القاعدة ضد التقرير الذاتي والآفاق القصيرة. فقد وجدت دراسة تجريبية مع 38 طالبًا مبتدئًا في البرمجة ارتباطًا قويًا بين استخدام الذكاء الاصطناعي التوليدي والتعلّم المتصوّر (rs=0.802، p<0.001)، بينما سجلت مؤشرات التقدم الذاتي بلا دعم من المعلّم أدنى النتائج — وهي الفجوة التي يحذر المؤلفون من أنها تنتج وهمًا بالكفاءة ودينًا معرفيًا، وهي بالضبط الفجوة التي تكافئها مقاييس الرضا. انظر الذكاء الاصطناعي التوليدي كمدرّس معرفي غير رسمي.

وأكثر جوهرية، تتوقف معظم التقييمات عند لحظة انتهاء المساعدة. تسمّي ديناميكيات التلاشي المعرفي الفترة غير المقاسة التالية للسحب وتصوغ أربع نتائج ممكنة — الارتداد المرن، والهضبة الجزئية، والسقالة الكامنة، والتعافي المفرط — مع نموذج منحنى تلاشٍ تتضمن معامله ثابت زمن التعافي، واكتمال التعافي، ومؤشر تباطؤ يقارن جهد إعادة التعلّم بالجهد الأصلي. ولأن قابلية العكس تحدّد الخطورة، يجادل الإطار بأن الممارسة غير المعانة المجدولة ينبغي أن تُجرَّع وفق منحنى التعافي لا أن يُتنازع فيها أخلاقيًا. وينبغي لذلك أن يشمل خطة تقييم المدرّس الآلي طور سحب لا اختبارًا لاحقًا فوريًا فحسب. انظر الدليل المعشّى على أن المساعدة الموجزة تخفض الأداء اللاحق بلا مساعدة.

10. أبِق المعلّمين أو خبراء المجال في حلقة ضمان الجودة

قبل النشر، دع المربّين يختبرون ملامح متعلّم واقعية، ومفاهيم خاطئة شائعة، وحالات حدّية، ومحفزات معادية، واستجابات غامضة، ومحاورات توجيه ممدودة. وسجّل الإخفاقات التربوية واستخدمها لمراجعة محفزات النظام، وسياسات التوجيه، ومصادر المعرفة، والضوابط، وقواعد نموذج المتعلّم، واختيار النموذج. ويبقى الإشراف البشري مهمًا لأن استجابة توجيه طليقة قد تكون مع ذلك غير تربوية أو خاطئة.

تُظهر مراجعة لي المنهجية لـ29 دراسة للمرحلة K-12 مما يتألف ذلك الإشراف فعلًا، وأين ينكسر. فتدخل المعلّم دورة متكررة من أربعة أطوار: المراقبة، والحكم، والتدخل، والتنسيق؛ ولا تؤدي تنبيهات الذكاء الاصطناعي ولوحات العرض والنتائج الآلية «تلقائيًا إلى فعل تربوي»؛ والاستراتيجية الرائدة للمعلّم هي الترجمة التربوية — انتقاء تغذية روبوت المحادثة الراجعة ومراجعتها وتكملتها أو تلخيصها أو حذفها بدلًا من تمريرها كما هي. ويترتب تحذيران تصميميان. معلومات أكثر من الذكاء الاصطناعي ليست أفضل: فالأنظمة التي تبث تشخيصات مستمرة أثقلت المعلّمين وصرفت انتباههم عن ملاحظتهم الخاصة، فأعطِ الأولوية لما يستحق التصرف بناءً عليه واجعله قابلًا للتأويل، وقدّم التوصيات بشكل يستطيع المعلّمون قبوله أو تعديله أو تأجيله أو رفضه. ودعم أكثر للمعلّم ليس أفضل أيضًا: فتأجيل التدخل ليعمل الطلاب باستقلالية هو بذاته خبرة، والشروط البنيوية — وقت لمراجعة البيانات، وحجم الصف، والقدرة على الوصول فعليًا إلى المجموعات التي تحتاج مساعدة — جزء من التدخل لا لوجستيات خلفية.

معمارية مفيدة للمدرّس الآلي

يمكن تمثيل معمارية إنتاج قوية كالآتي: هدف التعلّم ← أدلة المتعلّم/نموذج المتعلّم ← سياسة تربوية ← محتوى مسنود ومتحقق منه ← توليد حواري ← استجابة المتعلّم ← نموذج متعلّم محدَّث (بالعودة إلى البداية). وينبغي أن تحيط السلامة والخصوصية وإمكانية الوصول وإشراف المعلّم والتقييم بالحلقة برمّتها.

أهم معيار للنجاح

المقياس التنموي الأهم ليس «هل حلّ الذكاء الاصطناعي المسألة؟» بل «بعد التفاعل مع الذكاء الاصطناعي، هل يستطيع المتعلّم حل مسألة مماثلة باستقلالية؟» والدليل على هذا المبدأ أقوى ما يكون في مجالات تعلّم منظمة مثل الرياضيات والبرمجة؛ والتعميم على مجالات أكثر انفتاحًا يبقى أقل يقينًا، ما يجعل التقييم الخاص بالمجال ضروريًا.

ولمعرفة موضع المدرّس الآلي داخل تسلسل المساق لا قائمًا بذاته، انظر كيف ينبغي أن يُصمَّم الذكاء الاصطناعي في التجربة التعليمية؟؛ ولقواعد التصميم على مستوى البرمجيات التي يجب أن يلبيها مدرّس آلي، انظر ما الممارسات الأفضل والنصائح لتصميم برمجيات ذكاء اصطناعي تعليمية فعّالة؟؛ ولكيفية تقييم التدخل الناتج، انظر ما المقاييس ومناهج البحث التي يمكن للمدرّس استخدامها لتقييم التدخلات المرتبطة بالذكاء الاصطناعي؟.

---

مثال 1: تصميم مدرّس حساب تفاضلي بالذكاء الاصطناعي

تأمل مدرّسًا آليًا لحساب تفاضلي جامعي في الفصل الأول. وينبغي أن تكون غايته زيادة ما يستطيع الطلاب حلّه وشرحه باستقلالية بعد إزالة المدرّس الآلي، لا تعظيم المسائل المنجزة صوابًا. فتدريس الرياضيات معرّض بشكل خاص للسقالة المفرطة، والاستخدام المبكر للتلميحات، والتشخيص الخاطئ لاستدلال الطالب. انظر تعليم الرياضيات، ومتى تكون المساعدة غير مفيدة، ورصد فخ الإجابة الصحيحة، والسقالة.

أهداف التعلّم. قد يحافظ المدرّس الآلي على خريطة مفاهيم (الدوال والرسوم البيانية ← معدلات التغير ← النهايات ← المشتقة كنهاية ← قواعد الاشتقاق ← التطبيقات ← العكوسيات ← التكاملات المعينة ← النظرية الأساسية). ولكل مفهوم ينبغي أن يميز عدة أنواع من الإتقان. فمثلًا، لا ينبغي أن يعني «إتقان المشتقة» مجرد إنتاج المشتقة الصحيحة؛ بل يمكن أن يشمل التمييز متى تكون المشتقة ملائمة، وتأويلها كمعدل تغير آني، واختيار القاعدة الصحيحة، وتنفيذ الإجراء، وشرح سبب ملاءمته، وفحص معقولية النتيجة، وتطبيقها على مسألة غير مألوفة. وهذا يساعد في تجنب فخ الإجابة الصحيحة، حيث يصل المتعلّم إلى الإجابة الصحيحة عبر استدلال معيب.

معمارية النظام. تصميم عملي من ست طبقات: مواد المساق + سياسات المعلّم ← طبقة الاسترجاع/التوليد المعزز بالاسترجاع ← (محرك المسائل ← نموذج المتعلّم) و(مدقق رمزي ← محرك تشخيص) ← سياسة تربوية ← نموذج لغة كبيرة حواري ← الطالب ← نموذج متعلّم محدَّث.

1. طبقة إسناد المساق: تسترجع من مواد معتمدة من المعلّم (أقسام الكتاب المدرسي، وملاحظات المحاضرة، والأمثلة المحلولة، والمصطلحات، والأساليب المعتمدة، والترميز، وقواعد الواجبات) حتى لا يقدم المدرّس الآلي تقنيات صحيحة رياضيًا لكن غير ملائمة للمساق أبدًا.
2. طبقة التحقق الرياضي: تستخدم نظام جبر حاسوبيًا للتحقق من التكافؤ الجبري، والمشتقات، والتكاملات، وحلول المعادلات، والنقاط الحرجة، والتقريب العددي — حيث يتولى نموذج اللغة الكبيرة الشرح والحوار بينما يتولى النظام الحتمي الفحص الرياضي.
3. طبقة نموذج المتعلّم: تحافظ على تقديرات لكل مفهوم (مثلًا النهايات: قيد التطور، قاعدة القوة: متقنة، قاعدة الضرب: قيد التطور، قاعدة السلسلة: غير مبرهنة) إضافة إلى فرضيات المفاهيم الخاطئة مع أدلة وثقة. وينبغي أن يتعامل الذكاء الاصطناعي مع المفهوم الخاطئ كـفرضية لا كواقعة ثابتة، لأن نماذج اللغة الكبيرة قد تهلوس أدلة أو تستنتج مفاهيم خاطئة بشكل خاطئ — فتلزم عملية كشف ← تحقق ← استجابة.

تفاعل توجيهي. في تفاضل $f(x)=(x^2+1)\sin x$، قد يكشف روبوت محادثة تقليدي الإجابة فورًا. أما المدرّس الآلي الموجّه للتعلّم فيستدل داخليًا: فرّق الطالب المكوّنين لكن يبدو أنه ضرب مشتقيهما (احتمال مفهوم خاطئ بقاعدة الضرب كـ$f'g'$)، فيسأل سؤالًا تشخيصيًا أولًا («ما القاعدة التي تستخدمها عند ضرب دالتين؟»)، ثم يجعل الطالب يكتب قاعدة الضرب رمزيًا، ثم يهيئ $u$ و$v$، ولا يتحقق من التعبير النهائي إلا بعد أن يعيد الطالب بناءه.

سياسة تدريجية للمساعدة. يمكن أن يتكيف الدعم عبر سلّم مستويات: محاولة مستقلة ← سؤال ما وراء معرفي ← دليل مفاهيمي ← تحديد القاعدة ذات الصلة ← تهيئة جزء من المسألة ← خطوة وسيطة محلولة ← حل مفصّل ← الطالب يشرح ← الطالب يحل مسألة نقل مستقلة. ورؤية حل مفصّل لا تُظهر الإتقان، فبعد مساعدة جوهرية ينبغي أن يجعل المدرّس الآلي المتعلّم يحاول مسألة مماثلة بلا معونة.

تجنب الاستخدام غير المنتج للتلميحات. ينبغي ألا تجعل الواجهة التلميحات غير المحدودة اختصارًا خاليًا من الاحتكاك، لأن طلبات التلميح المبكرة وقراءة التلميحات السطحية مرتبطة بانخفاض مكاسب التعلّم. فبدلًا من [Hint][Hint][Hint][Show Answer]، قد يسأل النظام «ما الذي جرّبته؟» و«ما الجزء الذي يحجبك؟» (اختيار قاعدة، أو تهيئة المعادلة، أو القيام بالجبر، أو فهم المفهوم، أو شيء آخر) ويقدم مساعدة موجّهة.

دعم الحساب التفاضلي المفاهيمي. ينبغي أن يربط المدرّس الآلي الإجراءات الرمزية بتمثيلات متعددة (الصيغة، والرسم البياني، والجدول، والتأويل اللفظي، وسياق معدل التغير الفيزيائي) للتمييز بين الطلاقة الإجرائية والفهم المفاهيمي.

لوحة المعلّم. ينبغي أن يكشف النظام أدلة مجمّعة لا أحكامًا غامضة من الذكاء الاصطناعي — مثل «قاعدة الضرب — 62% أظهروا الإتقان؛ أنماط شائعة: 18% يحذفون حدًا واحدًا، 11% يضربون المشتقات» — مع تقديم التشخيصات الفردية كفرضيات مدعومة بأدلة.

خطة التقييم. قِس الأداء أثناء استخدام المدرّس الآلي، والأداء على مسائل مماثلة بدونه، والاحتفاظ المؤجل، والنقل إلى مسائل غير مألوفة، وجودة الشرح المفاهيمي، وتصحيح المفاهيم الخاطئة، وطلب المساعدة الملائم مقابل المبكر، وتسريب الإجابات، ومعدلات الموجب/السالب الكاذب التشخيصي، والنتائج التفاضلية. والمقارنة المفتاحية هي الأداء مع المدرّس الآلي مقابل الأداء بدونه بعد ذلك — فطالب ينتقل من 60% إلى 95% بمساعدة لكنه يبقى عند 60% باستقلالية لم يتلقَّ تدريسًا آليًا فعالًا.

---

مثال 2: تصميم مدرّب كتابة بالذكاء الاصطناعي

يتطلب مدرّب الكتابة بالذكاء الاصطناعي تصميمًا مختلفًا لأن الكتابة ليس لها إجابة صحيحة واحدة موضوعيًا. والغاية هي مساعدة المتعلّم على تحسين التخطيط والمسوّدة والتقييم والمراجعة لكتابته الخاصة. وتؤطر قاعدة المعارف الكتابة كـعملية معرفية واجتماعية وبلاغية، ما يعني أن نظام الكتابة بالذكاء الاصطناعي يمكن أن يدعم التعلّم لكنه يمكن أيضًا أن يزيل بالضبط التفكير الذي قصد الواجب تطويره. انظر الكتابة، ومن التخطيط إلى المراجعة، ومدرّب لا عكاز، والتغذية الراجعة.

أهداف التعلّم. قد يتابع نموذج متعلّم المدرّب الحجة (خصوصية الأطروحة، ومواءمة الادعاء للدليل، والحجة المضادة)، والتنظيم (تركيز الفقرات، والتقدم المنطقي، والانتقالات)، والدليل (ملاءمة المصدر، ودمج الأدلة، والتأويل)، والمراجعة (المراجعة الكلية وعلى مستوى الجملة، وتقييم التغذية الراجعة)، والأسلوب (وضوح الجملة، والقواعد، والصوت التأليفي) — متابعًا قدرات الكتابة لا درجة مقالة فحسب.

أسنِد المدرّب إلى الواجب. استرجع تعليمات الواجب، وسلّم المعلّم، وقراءات المساق، ومتطلبات الاقتباس، وأعراف النوع الأدبي، وأمثلة المعلّم، وسياسة استخدام الذكاء الاصطناعي حتى تستطيع التغذية الراجعة أن تشير إلى الواجب الفعلي («يطلب سلّم معلّمك ربط كل ادعاء رئيسي بأدلة من قراءتي مساق على الأقل») بدلًا من اختراع توقعات عامة.

تعامل مع مراحل الكتابة باختلاف. يؤثر انخراط الذكاء الاصطناعي في مراحل مختلفة على الملكية المتصوّرة باختلاف — فدعم التخطيط ينقص الملكية أقل من دعم المسوّدة، وإنتاج المسوّدة بالذكاء الاصطناعي ينتج أكبر انخفاض في الملكية. فيمكن للمدرّب أن يعطي أذونات مختلفة لكل مرحلة: في التخطيط يمكنه طرح الأسئلة، ومقارنة المواقف، وتحدي الافتراضات، ونقد المخططات مع تجنب توليد الحجة كاملةً؛ وفي المسوّدة ينتج المتعلّم النثر أولًا (يساعد المدرّب على التطوير لا على الاستيلاء)؛ وفي المراجعة يمكن للمدرّب تحديد الادعاءات غير الواضحة، والإشارة إلى الأدلة الناقصة، وفحص ما إذا كانت الأدلة تسند ادعاءً، وكشف مشكلات التنظيم، ومقارنة مسوّدة بالسلّم — التشخيص قبل إعادة الكتابة؛ وفي التحرير (بعد المراجعة) يمكنه دعم القواعد وعلامات الترقيم والإيجاز وتنسيق الاقتباس.

تفاعل مثالي. في مقال حول اشتراط المساقات المتاحة عبر الإنترنت، قد يعيد نظام عام كتابة فقرة الطالب في نثر مصقول فيؤدي العمل الفكري. أما مدرّب الكتابة فيقول ما هو ناجح، ويسمي المشكلة الرئيسية (تعطي الفقرة أسبابًا لكنها لا تشرح لماذا تبرر تفويضًا على مستوى الجامعة)، ويطرح سؤال مراجعة، ويطلب من الطالب إكمال جملة بكلماته الخاصة — تاركًا بناء الحجة للمتعلّم.

ينبغي ترتيب أولويات التغذية الراجعة. قد تحتوي كل جولة تغذية راجعة على نقطة قوة واحدة للحفاظ عليها، ومشكلة عالية الأثر واحدة، وسؤال واحد يقتضي حكم الكاتب، وهدف مراجعة ملموسًا واحدًا — بدلًا من إغراق المتعلّم بعشرات التعليقات.

اجعل الطالب يقيّم تغذية الذكاء الاصطناعي الراجعة. ثقافة التغذية الراجعة هي بذاتها هدف تعلّم؛ وينبغي أن يسأل المدرّب دوريًا ما إذا كان المتعلّم يوافق على اقتراح ولماذا، وأن يسمح للمتعلّم برفض تغذية الذكاء الاصطناعي الراجعة — مطوّرًا الحكم التقييمي لا الطاعة.

حافظ على الصوت التأليفي. ينبغي أن يميز المدرّب بين الأخطاء، ومشكلات الوضوح، والخيارات البلاغية، وتفضيلات الأسلوب، وألا «يصحح» النوعين الأخيرين تلقائيًا — وإلا فقد يؤدي ذلك إلى توحيد الكتابة نحو أي أسلوب يفضله النموذج، خاصة بالنسبة للكتّاب متعددي اللغات وأنماط الكتابة البلاغية غير القياسية.

نموذج متعلّم مبني على تاريخ المراجعة. بدلًا من تخزين المقالات النهائية فحسب، يمكن للنظام أن يتعلم من مراجعات الطالب (مثلًا نمط متكرر «أدلة مُقدَّمة لكن غير مؤوَّلة» يتحسن عبر المقالات)، متكيفًا بناءً على أدلة التعلّم.

إشراك المعلّم. يتحكم المعلّم في السلّم، وأهداف الواجب، وأشكال المساعدة بالذكاء الاصطناعي المسموح بها، وتجميع المصادر، وتوقعات الاقتباس، وما إذا كانت المسوّدة التوليدية مسموحة، ومتى تكون المراجعة البشرية مطلوبة. وقد تعرض لوحة المعلّم أنماطًا على مستوى الصف (مثلًا 41% يحتاجون دعمًا في ربط الادعاء بالدليل) كإشارة التقويم البنّاء تكوينية.

تقييم مدرّب الكتابة. قِس جودة الكتابة بمساعدة الذكاء الاصطناعي ثم بلا مساعدة لاحقًا، والقدرة على تحديد نقاط الضعف في كتابة غير مألوفة، وجودة المراجعة، واستيعاب التغذية الراجعة، والقدرة على شرح المراجعات، وملكية الطالب، والاعتماد على نثر الذكاء الاصطناعي، والحفاظ على الصوت، والتحيز عبر اللهجات/الكتّاب متعددي اللغات/المجموعات، والمواءمة مع حكم المعلّم، والنقل المؤجل. وتجربة كاشفة تقارن مجموعة تكتب باستقلالية، ومجموعة يولد فيها الذكاء الاصطناعي النص/يراجعه، ومجموعة مدرّب — ثم تكمل جميعها مقالة جديدة بلا ذكاء اصطناعي: فإذا أدّت المجموعة المولّدة بالذكاء الاصطناعي أفضل في الممارسة لكنها بأداء ضعيف بلا ذكاء اصطناعي، فإن النظام حسن الأداء لا التعلّم.

---

مقارنة بين التصميمين

سؤال التصميم	مدرّس الحساب التفاضلي	مدرّب الكتابة
كائن التعلّم الرئيسي	المفاهيم الرياضية وحل المسائل	الحجاج وعملية الكتابة
التحقق	قابل للفحص الموضوعي في الغالب	يقتضي في العادة حكمًا سياقيًا
الأدوات الحتمية	محرك رياضيات رمزي / آلة حاسبة	فحوص القواعد والاقتباس والسلّم
الدور الرئيسي للذكاء الاصطناعي	تشخيص الاستدلال وإسناده	تشخيص المراجعة وإسنادها
الخطر الأكبر	بثّ الحل	كتابة النص عن المتعلّم
فعل المتعلّم المهم	الحل والشرح	المسوّدة والتقييم والمراجعة
نموذج المتعلّم	المفاهيم والإجراءات والمفاهيم الخاطئة	الحجة والدليل والتنظيم والمراجعة
الحاجز الحامي المفتاحي	المحاولة قبل الحل	نثر الطالب قبل إعادة كتابة الذكاء الاصطناعي
اختبار النقل	مسائل حساب تفاضلي جديدة بلا ذكاء اصطناعي	مهمة كتابة جديدة بلا ذكاء اصطناعي
معيار النجاح	استدلال رياضي مستقل	كتابة مستقلة وحكم تقييمي

يستخدم النظامان العديد من تقنيات الذكاء الاصطناعي نفسها لكنهما يجسدان سياسات تربوية مختلفة لأن المجالات الدراسية تقتضي أنواعًا مختلفة من التفكير. والمبدأ المشترك: حدد النشاط المعرفي الذي ينتج التعلّم، وصمّم الذكاء الاصطناعي ليدعم ذلك النشاط دون انتزاعه من المتعلّم — حافظًا على الاستدلال الرياضي في الحساب التفاضلي، وعلى التأليف واتخاذ القرار البلاغي والتقييم والمراجعة في الكتابة. وهذا المبدأ أكثر أساسًا من أي نموذج أو محفز أو إطار وكلاء أو واجهة مستخدم بعينها.