ما المقاييس ومناهج البحث التي يمكن للمدرّس استخدامها لتقييم التدخلات المرتبطة بالذكاء الاصطناعي؟

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

وائم المنهج مع الادّعاء. فإذا أردت معرفة ما إذا كان الطلاب أحبّوا نشاطاً بالذكاء الاصطناعي، فقد يُساعد الاستقصاء. وإذا أردت معرفة ما إذا كانوا تعلّموا، فاستخدم مقاييس الأداء. فالاستقصاء مقياس تقرير ذاتي — الأداة الصحيحة للمواقف والخاطئة للتعلّم، للأسباب المجموعة في تلك الصفحة. وإذا أردت معرفة ما إذا كان الذكاء الاصطناعي سبّب تحسّناً، فأنت بحاجة إلى شرط مقارنة ذي مصداقية ويفضّل إسناد عشوائي.

خيارات المناهج

يميّز مناهج البحث في AIED عدة خيارات مفيدة:

• التجارب العشوائية تُوفّر أقوى استدلال سببي.
• التصاميم شبه التجريبية قبل/بعد أو ذات المجموعات المطابَقة أكثر عمليةً في الصفوف السليمة في الغالب لكنها تدعم ادعاءات سببية أضعف.
• النوعية من مقابلات ومجموعات نقاش وملاحظات وتحليل آثار تكشف الآليات والتجارب غير المتوقعة.
• التحليل النوعي المعان بالذكاء الاصطناعي يمكنه إعادة تنظيم مجموعات المقابلات أو الملاحظات في دقائق، لذا تهمّ قابلية التبرير بقدر ما تهمّ الدقة أو الإفصاح: سجّل إعادات التنظيم الموثَّقة التي تتيح للقارئ تفتيش مسار الانتقال من البيانات إلى الادّعاء والمنازعة فيه ومراجعته.
• المناهج المختلطة تجمع دليل النتائج مع تفسيرات سبب حدوث الآثار.
• البحث القائم على التصميم مفيد عندما يُطوّر المدرّسون تدخّلاً ويُنقّحه تكرارياً في مقرر حقيقي.

وأيّ قناة تستخدمها، لا تجعل الادّعاء السببي قابلاً للتفسير إلا ثلاثة شروط: معالجة موصوفة بدقة، وشرط مقارنة محدد جيداً، ومقياس صحيح للتعلّم الدائم. فيدقّق Weidlich et al. (2025) في 19 مقارنة لـChatGPT في التعليم مقابل هذه المعايير بالضبط فيجد أن 4 فقط (21%) تُحقق الثلاثة جميعاً — فكان لدى 74% معالجة محددة جيداً، ولدى 42% مجموعة ضابطة محددة جيداً، ولدى 53% نتيجة استوفت شرط التعلّم. والأداة متعددة الأغراض المُدخلة إلى جانب أنشطة أو تغذية راجعة أو تصميم واجهة جديدة تُشوّش الوسيط بالمنهج، فلا يمكن إسناد نتيجة دالة إلى الذكاء الاصطناعي.

تقويم صفّي قابل للإدارة

من أجل تقويم صفّي قابل للإدارة، فإن الحد الأدنى المفيد هو مقياس أساس، والتدخّل، ومقياس بعدي فوري، ومقياس لاحق غير معان. وحيث أمكن، أدرج شرط مقارنة كالممارسة القائمة، أو دون ذكاء اصطناعي، أو ذكاء اصطناعي غير مقيَّد مقابل ذكاء اصطناعي مسقال، أو تصميمين بديلين. وقِس الأداء المعان والتعلّم المستقل منفصلين.

ويوصي تجميع تقييم التعليم بالذكاء الاصطناعي بنتائج كمكسب التعلّم غير المعان، والاستبقاء المؤجَّل، والنقل إلى مهمة جديدة، وجودة الاستدلال، والمفاهيم الخاطئة حول الذكاء الاصطناعي، واستيعاب التغذية الراجعة، وأداء المجموعات الفرعية. ويمكن للمشاركة والرضا وسجلات استخدام الذكاء الاصطناعي والكفاءة الذاتية والفائدة المدرَكة أن تكون مقاييس ثانوية قيمة لكنها لا ينبغي أن تُعامَل كبدائل عن التعلّم. عبء عمل المدرّس والوقت الموفَّر هما أيضاً نتيجتا تنفيذ مشروعتان.

وينطبق تحفّظان على كيفية قراءة النتائج. أولاً، الأثر المُوسَّط من الأدبيات دليل ضعيف على صف واحد: فقد وجد تدقيق O'Neill's (2026) لـ14 تحليلاً تلوياً عالية التأثير أن أياً منها لم يُوفّر أساساً صحيحاً لادعاءاته — فخلط «الإنجاز الأكاديمي» المجموع درجات اختبار، ودافعاً، والكفاءة الذاتية، ومواقف في تقدير واحد، وكان التباين المُبلَّغ عنه متطرفاً (تراوح I² من 77.2% إلى 94.4% في التحليلات الـ13 التي أبلغت عنه، وكان 12 من تلك الـ13 فوق 80%)، وقُيّم انحياز النشر في كل الـ14 تقييماً غير صحيح، وحملت 61% من الدراسات الأولية المُراجَعة عشوائياً مشكلات صلاحية، بينما كانت الإحصائيات التي كانت ستُظهر مدى انتشار النتائج الفردية فعلاً مفقودة في معظمها (فأبلغ أربعة تحليلات فقط عن التباين بين الدراسات وأبلغ اثنان فقط عن فترة تنبؤ، وكانت كلا الفترتين تشمل الصفر). ثانياً، قد تقيس درجة مريحة بناءً خاطئاً: ففي تقييم لثمانية وكلاء تدريس بالذكاء الاصطناعي، احتلّ الوكيل المصنّف ثالثاً بدرجة المنصة نفسها المرتبة الأخيرة على معايير مصادَق عليها من الخبراء، لأن درجات المنصة رَصدَت أداء الطلاب أثناء التفاعل لا جودة تدريس الوكيل. فعامِل أي مقياس لوحة معلومات واحد كفرضية تُصادَق مقابل مقياس مرتبط بالقدرة التي تنوي تنميتها.

ولمعرفة ما يُظهره الدليل الحالي وما لا يُظهره، وحيث يبقى رقيقاً، انظر هل يساعد استخدام الذكاء الاصطناعي طلابي على التعلّم فعلًا؟ وما الفجوات البارزة في الأدبيات البحثية عن الذكاء الاصطناعي في التعليم؟.