الوصول إلى أدوات تأليف الجيل الجديد المدعومة بالذكاء الاصطناعي

سوميا بانيرجي، دكتوراه · عضو أقدم IEEE · مستشار أبحاث أول
أستاذ مشارك سابق، قسم علوم وهندسة الحاسوب، معهد بيرلا للتكنولوجيا
[email protected]

أبرز المحاور
– يستعرض هذا المقال اتجاهات أدوات التأليف المدعومة بالذكاء الاصطناعي في سياق نماذج اللغة الكبيرة ويحلل مدى مساهمتها في التعليم العالي لتلبية الاختيارات الشخصية، أنماط التعلم، والحاجات العاطفية للطلاب.
– يفحص المقال العوامل المؤثرة في تصميم أداة تعلمية وتأليفية ذكية وفاعلة.
– يقدم المقال رؤية متوقعة للأجيال القادمة من أدوات التأليف التي ستكون أقرب إلى متابعة ميول ومؤهلات الطلبة بشكل واقعي وتفاعلي.

مقدمة
شهد الحقل الأكاديمي نمواً ملحوظاً في مجال الذكاء الاصطناعي والتطبيقات المتفرعة عنه. وقد سرّع هذا التطور من ظهور أدوات وتطبيقات متقدمة تهدف إلى توليد المطالبات (prompts) والمتابعات الضرورية لتحقيق الأهداف اليومية للتعليم، بما في ذلك إنشاء المحتوى، توليد سيناريوهات محاكاة متنوعة، أمثلة، اختبارات، وصياغة المعرفة المستهدفة للطلاب. لقد أصبحت آثار أدوات التأليف المدفوعة بالذكاء الاصطناعي ظاهرة بارزة في تعليم الهندسة، حيث تلعب السمات السلوكية والمعرفية للمتعليمن دوراً محورياً؛ ولا يزال هناك جدل حول مدى قدرة هذه الأدوات على إثراء الارتقاء المعرفي للمتعلمين بفعالية.
هدف التعليم الهندسي لا يقتصر على إنجاز المنهج فحسب، بل يتطلب أيضاً تحفيز عقول فضولية ضمن بنية البيداغوجيا الهندسية نفسها. سيسعى هذا المقال إلى تناول جانبي التطور: الإمكانيات التحسينية لأدوات التأليف القائمة على الذكاء الاصطناعي، والقيود والتحديات المرتبطة بتطبيقها لأغراض التدريس التقليدية.

مخطط المقال
القسم 2 يقدّم حقائق أساسية حول أدوات التأليف المدعومة بالذكاء الاصطناعي. القسم 3 يستعرض تحليلاً ومقارنة أداء للتطبيقات الرائدة في هذا المجال (بما في ذلك مناقشة جزئية 3.1). القسم 4 يسلط الضوء على أهمية القدرات المعرفية المتميزة للمتعلمين بالنسبة لأدوات التأليف الذكية. وأخيراً، في القسم 5 تُناقش التوسعات المستقبلية المتوقعة لهذه الأدوات وكيف يمكن أن تقدم فوائد أكثر واقعية لإثراء المعرفة لدى الطلاب بعيداً عن حدود مجرد إنتاج المحتوى.

2. حقائق أساسية حول أدوات التأليف المدفوعة بالذكاء الاصطناعي
بشكل عام، تُعرف أدوات تأليف المحتوى التعليمي الرقمي بأنها تطبيقات برمجية تُستخدم لإنشاء محتوى تدريبي رقمي مثل الدورات الأكاديمية، الاختبارات، والمحاكاة ذات الصلة، بالإضافة إلى آليات تقييم المتعلمين. تمكّن هذه الأدوات المصممين التعليميين والمُدرّسين من بناء تجارب تعليمية تفاعلية وغنية بوسائط متعددة دون الحاجة إلى مهارات ترميز معقدة، بحيث يمكن توزيع المحتوى عبر منصات إدارة التعلم (LMS) أو مشاركته مباشرة مع المتعلمين.

الميزات الأساسية للذكاء الاصطناعي التي تنظم عملية التعليم الإلكتروني التقليدية تشمل:
– مساعدات كتابة مدعومة بالذكاء الاصطناعي
– إنشاء محتوى ديناميكي وشخصي
– عرض وتجسيد مستندات المحتوى (Content document rendering)
– تحليلات المحتوى واستخلاص الرؤى

من منظور تقني عالي المستوى، ترتبط أدوات التأليف بخوارزميات متنوعة مثل التوليد الإجرائي للمحتوى (Procedural Content Generation – PCG) وأدوات إعادة الصياغة والتلخيص المدعومة بالذكاء الاصطناعي (مثل QuillBot). وعلى صعيد عرض المستندات، شهدت الأبحاث تقدماً على مستوى تحليل بنية المستندات (Document Parsing) وتحليل تخطيط الصفحات (Document Layout Analysis – DLA).

وظائف وتقنيات رئيسية ذات صلة:
– معالجة اللغة الطبيعية (NLP): مساعدين كتابيين قادرين على توليد مقالات، تقارير وملخصات، مما يحسن كفاءة سير العمل.
– التعلم الآلي (ML): خوارزميات تحلل اتجاهات البيانات لتقديم توصيات محتوى مخصصة.
– أنظمة انتقاء المحتوى (Content Curation): ترشيح المحتوى وفق سلوك المستخدم لزيادة التفاعل.
– التعرف على الصور: تصنيف واكتشاف الصور لتسهيل إنشاء المحتوى البصري.
– التعرف على الصوت: نسخ الكلام وأدوات المساعدة الصوتية لأتمتة عمليات إنشاء المحتوى.

القدرات المتكاملة أعلاه تُمكن المنصات التعليمية من تقديم تجارب تعليمية أكثر تخصيصاً ومرونة، مع إمكانات تتبع متقدمة لمسار الطالب وتوقّعات الأداء.

نماذج وأمثلة عملية (مقارنة مختصرة)
– LearnWorlds
• ميزات أساسية: توليد مخططات للدورات وتقييمات؛ دعم اختبارات وتقييمات تفاعلية عبر مقاطع فيديو تفاعلية وأنشطة مخصصة.
• عرض المستندات: دعم SCORM وHTML5 مع استيراد سهل.
• التحليلات: رؤى ذكاء اصطناعي حول تسجيلات الدورات وتقدم المتعلمين.
• ملاحظات: يوفر فترة تجريبية وموجه غالباً للمُدرّسين؛ ليس بديلاً قائماً بذاته كأداة تأليف كاملة.

– Kajabi
• ميزات أساسية: مساعدة في توليد مخططات المحتوى والدورات، أدوات لتسويق المحتوى وإدارته.
• عرض المستندات: دعم متكامل لتنسيقات الويب ومكونات التدريب.
• التحليلات: مؤشرات أداء للمبيعات، تسجيلات الدفع، وتتبع مشاركة المتعلمين.
• ملاحظات: تركّز على الحلول الشاملة لإنشاء الدورات وتسويقها.

خاتمة متوقعة وأفق مستقبلي
إن التطور المتسارع في قدرات نماذج اللغة الكبيرة وتقنيات التحليل يجعل من الممكن تصور جيل جديد من أدوات التأليف لا يقتصر دوره على إنتاج المحتوى فحسب، بل يمتد إلى فهم سلوك الطالب، ضبط الإشارات العاطفية والتكيفية، وتصميم تجارب تعليمية شبه فردية تُحاكي قنوات التفاعل البشرية. لتحقيق ذلك، سيتطلب الأمر تكاملًا أعمق بين نماذج اللغة، تحليلات البيانات السلوكية، وأنظمة المحاكاة التربوية، مع مراعاة قضايا الخصوصية والأخلاق والنزاهة الأكاديمية. التبني الواسع لنماذج لغوية متعددة اللغات سيزيد من قابلية التطبيق عبر سياقات ثقافية متنوعة، مما يوسّع أثر هذه الأدوات على إثراء المعرفه والتعلّم في التعليم العالي. Soumya Banerjee، دكتوراه · عضو أول في IEEE · مستشارة أبحاث عليا
الذكاء الاصطناعي يولّد محتوىٍ للدورات، لكنه يُستخدم أساسًا لأغراضٍ تسويقية
– لا يتوافق مع SCORM أو xAPI
– تحليلات معيارية فقط، من دون دعم للذكاء الاصطناعي
– مبدعو المحتوى على الإنترنت يستثمرون المادة ويحققون إيرادات منها

Adobe Captivate
– واجهة نظيفة مع إمكانيات تخصيص متقددّم قادرة على تصميم تدريبات تقنية وسيناريوهات تطبيقية
– يدعم SCORM وxAPI ومحتوى مهيأ للأجهزة المحمولة
– تحليلات معيارية فقط، لا دعم للذكاء الاصطناعي
– منحنى تعلم حاد ويعمل ببطء على الأجهزة منخفضة المواصفات

Mexty
– يولّد محتوىً للتعلّم الإلكتروني ووحدات تعليم مصغّرة مع قوالب مصمّمة، ويشمل تقييمات تفاعلية مُلعبة ومحاكاة؛ مناسب للأغراض الأكاديمية والبحث الطلابي والمهام
– تصدير كحزمة LMS (SCORM، xAPI، cmi5) أو كصفحات ويب HTML
– نظام Mexty LMS يراقب إنجازات المتعلّم، الدرجات، ووقت الاستغراق، ويمكن تحسين المحتوى بناءً على بيانات المتعلّمين الحقيقية
– تطبيق تأليف قائم على الذكاء الاصطناعي يعد بتغطية معرفية وشخصنة متوقعة

Lectora Online
– برنامج تأليف سحابي معروف بتلبية احتياجات التدريب المؤسسي؛ تحكّم دقيق بمنطق الدورة والتخطيط وتدفق المحتوى، ويتكامل مع أدوات مثل Camtasia وSnagit لإدراج تسجيلات الشاشة والمرئيات المشروحة
– متوافق مع معظم أنظمة إدارة التعلم الرئيسية
– تحليلات اعتيادية متاحة
– استجابة وتصميم جاهز للهواتف المحمولة، مع منحنى تعلم أكثر حدة

Cognispark
– يحوّل الأفكار إلى تجارب تعلم تفاعلية باستخدام الذكاء الاصطناعي التوليدي؛ يُمكّن المعلمين وفرق التعلم والتطوير والمؤسسات من بناء دورات تفاعلية
– يدعم SCORM وxAPI وHTML5
– الدعم البارز للذكاء الاصطناعي ليس واضحًا دومًا
– وصول متعدد المستخدمين، أدوات مراجعة، تخزين سحابي، لكن التخصيص محدود أو محدودوْد

٤. السمات المعرفية للطلاب: التأثير المحتمل في أدوات التأليف المعتمِدة على الذكاء الاصطناعي

المعرفة الإدراكية (Cognition) هي القدرة الأساسية التي يمكّن بها الإنسان من فهم المعلومات ومعالجتها وتطبيقها. منذ بزوغ علم النفس التربوي، أصبح واضحًا أن القدرات والسمات المعرفية للمتعلمين تؤثر تأثيرًا قويًا في تصميم البيداغوجيا وإنتاج المحتوى التعليمي.
تتبوّأ القدرات المعرفية العليا — كالإبداع والتفكير النقدي — مكانة مركزية عند مناقشة أنظمة التأليف المستندة إلى الذكاء الاصطناعي، لأنها تحدد كيفية توليد المحتوى، تكييفه، وتخصيصه بما يخدم تطوير مهارات متقدمة لدى المتعلّمين.

حدّدنا مؤخرًا (2025) عدة نقاط مهمة أثناء دراسة عائلة أدوات التأليف المدفوعة بالذكاء الاصطناعي:
– التباين المعرفي بين المتعلّمين يؤثر على فعالية توصيف المسارات التعليمية الآلية.
– الاعتماد على ملفات تعريف سكانية جامدة قد يحدّ من قدرة النماذج على تكييف المحتوى بذكاء.
– البيانات التشغيلية الحقيقية (أوقات التفاعل، نسب الاستيعاب، أداء التقييمات) تُعدّ مفتاح تحسينات التخصيص والتنبؤ بالاحتياجات التعليمية.

يمكن تصنيف السمات الشخصية عمومًا إلى مجموعتين رئيسيتين:
– الخصائص الديموغرافية
– الحالة اللحظية/العفوية للطالب (مثل الدافعية، الانتباه، المزاج)

تشمل الخصائص الديموغرافية ذات الصلة بالقدرة المعرفية: الجنس، الجنسية، العرق، العمر، إلخ. سوميا بانيرجي، دكتوراه · عضو أول في IEEE · مستشار أبحاث رفيع المستوى — بينما الحالة العفوية للطلاب ترتبط بثقة الطلاب في قدراتهم الذاتية، وعادات التعلم، والاحتياجات العاطفية، وغيرها.

أصل وخلفية المتعلّم
تجارب النمو

تقسم تجارب النمو نظرياً إلى محوريْن رئيسييْن: التعرض التعليمي والتفاعلات الاجتماعية والبيئية. يعمل هذان العاملان معاً على تعزيز الارتقاء النفسي والفكري للفرد فيما يتعلق بالسعي الأكاديمي. ومن ثم، لا بد أن يفهم تصميم تطبيقات التأليف المبنية على ذكاء اصطناعي دقيق هذه السمات المعرفية للمتعلّم مع تركيز متزايد على التخصيص وتيسير منحنيات التعلم.

الشكل 1. النسخة المستقبلية لأداة تأليف معرفية وشخصية تعتمد على الذكاء الاصطناعي

كلما تعمق تحليل البيانات الشخصية للطالب من قِبل أداة التأليف المعتمدة على الذكاء الاصطناعي (انظر الشكل 1)، ازدادت إمكانية تخصيص السمات المعرفية (مثل الثقة في الذات، وعادات التعلم، والاحتياجات العاطفية) داخل تطبيقات التأليف. ظهر أخيراً عدد من الشركات الواعدة في هذا المضمار، من بينها Cognispark وArticulate Storyline 360 وMexty. ومع ذلك، قد تشكل مسألة تحسين التكلفة والتوافق مع منصات إدارة التعلم تحدياً عند دمج السمات المعرفية للطلاب في خوارزميات التصميم (انظر الجدول 1).

5. السيناريو المستقبلي لأدوات التأليف المعتمدة على الذكاء الاصطناعي

مع وفرة أدوات التأليف المدفوعة بالذكاء الاصطناعي العاملة في المجال الأكاديمي، تظل موثوقية وأصالة المحتوى مصدر قلق أساسيين. فمثلاً، عند توليد محتوى هندسي أكاديمي، تصبح الدقة والحداثة أمراً محوريّاً. لذلك، تعد إجراءات التحقق من الحقائق والتدخل البشري ضرورية لضبط دقة وملاءمة المحتوى المولَّد آلياً. أحياناً تفتقر نماذج الذكاء الاصطناعي التوليدية والوكيلية إلى إدراك السياق وتعجز عن التقاط الفروق الدقيقة مثل السخرية أو الموضوعية. لمعالجة ذلك، يُستخدم نهج هجيني مثل التعلم التعزيزي من تغذية راجعة بشرية (Reinforcement Learning from Human Feedback — RLHF) [5][6][7]، حيث تُولِّد الأنظمة مسودات أولية ويقوم المحرّرون البشر بمراجعتها وصقلها لضمان الصحة والتناسق. تقنيات التعلم التعزيزي تُدرّب البرمجيات على اتخاذ قرارات تزيد من المكافآت، مما يحسّن دقة النتائج. يدمج RLHF ملاحظات البشر في دالة المكافأة، بحيث يتعلم النموذج أداء مهام تتوافق أكثر مع أهداف واحتياجات البشر. تُطبّق هذه الآلية على نطاق واسع في تطبيقات الذكاء الاصطناعي التوليدي، بما في ذلك نماذج اللغة الكبيرة [20]. يجب أن يكون النهج التعاوني المناسب بين خوارزميات الذكاء الاصطناعي والتدخل البشري، مع فهم البواعث المعرفية وتفضيلات المتعلّم الشخصية، محور تطوير الجيل القادم من أدوات التأليف.

ثانياً، معظم الخوارزميات المستخدمة في أدوات التأليف المعتمدة على الذكاء الاصطناعي معرضة للتحيّز [8][9]. ذلك راجع إلى أن نماذج الذكاء الاصطناعي تُدرّب على مجموعات بيانات كبيرة ومتنوِّعة، وإذا احتوت هذه المجموعات على تحيّزات فإن المحتوى المولَّد قد يعكسها أو يضخمها. هذا يتجاهل أيضاً الجوانب المعرفية والقدرات الاستيعابية للمتعلمين ويجعل النتيجة أكثر عرضة للمخاطر الرقمية؛ وقد تبدو أداة التأليف الآلية رتيبة ومنفصلة عن عقلية المتعلّم مقارنةً بالتدريس التقليدي داخل الصف. لذا، يجب تدقيق المحتوى المولَّد آلياً باستمرار للتخفيف من مشكلة تحيّز البيانات بغض النظر عن الاختلافات المعرفية للمتعلمين.

ثالثاً، جادل كثيرون بأن أدوات الكتابة المعتمدة على الذكاء الاصطناعي قد تُهمّش الإبداع البشري عند الانغماس في عمليات الأتمتة. في هذا السياق، ظهر مصطلح «التشارك الإبداعي بين الإنسان والذكاء الاصطناعي» (Human-AI Co-Creativity) [10]؛ فالاعتماد المفرط على الذكاء الاصطناعي قد يقوّض جوانب الإبداع الفريدة لدى البشر، مثل العمق العاطفي، والحسّ الأخلاقي، والوعي السياقي. يجب أن تراعي أدوات التأليف المستقبلية توازناً واضحاً بين عناصر الإبداع والعدادات الآلية الضرورية. ينبغي أن يشمل هذا التوازن إنتاج محتوى مناسب ومحاكاة تتلاءم مع قدرات متعلّمي متعدِّدي المستويات بدلاً من الاعتماد على مُدخل أو «برومبت» واحد فقط.

إضافة تأليف الألعاب على مستويات متعددة في بناء المحتوى قد تكون مؤثرة، فالتعلّم الإلكتروني منذ نشأته واجه تحديات، وقد يؤدي دمج تزامن ألعاب صحيح داخل أدوات التأليف المعتمدة على الذكاء الاصطناعي إلى تعقيد برمجي أكبر، لكنه يبقى نهجاً مبتكراً.

خلاصات واستنتاجات

يلخّص هذا النص بصورة تحليلية عناصر أدوات التأليف المعتمدة على الذكاء الاصطناعي، وأهمية السمات المعرفية للمتعلمين، ونطاق التكامل الضروري مع نسخة مستقبلية ممكنة لأدوات التأليف. كما يقدم مقارنة شاملة بين عدد من أدوات التأليف القائمة والواعدة. في ضوء المزايا المعرفية المتوقعة، يبدو مستقبل أدوات التأليف المدفوعة بالذكاء الاصطناعي واعداً للغاية بشرط أن تُرسم خريطة القدرات المعرفية الشخصية للمتعلّم بدقة.

المراجع
[1] Baker, D. P. وآخرون. التأثير المعرفي لثورة التعليم: سبب محتمل لتأثير فلين على معدل الذكاء السكاني، Intelligence، 49، 144–158، 2015.
[2] Gunasekara, S. & Saarela, M. الذكاء الاصطناعي القابل للتفسير في التعليم: تقنيات وتقييم نوعي. Applied Sciences، 2025.
[3] Ahmed, A. A. A., & Ganapathy, A. إنشاء محتوى مؤتمت مدعوم بالذكاء الاصطناعي: دراسة حول نظام إدارة التعلم لريادة الأعمال التعليمية. Academy of Entrepreneurship Journal، 27(3)، 2021.
[4] Ayan Banerjee وآخرون. Semidocseg: توظيف التعلم شبه المراقَب لتحليل تخطيط المستندات. International Journal on Document Analysis and Recognition (IJDAR)، 2024.
[5] Liang, H. وآخرون. التعلم التعزيزي بمشاركة الإنسان. مؤتمر الكاكل الصيني للأتمتة، 2017.
[6] Lambert, N. وآخرون. توضيح Reinforcement Learning from Human Feedback (RLHF). مدونة Hugging Face، 2022.
[7] Altmann P. وآخرون. Discriminative reward co-training. Neural Computing and Applications، 2025.
[8] Nyembo Mpampi, A. التحيّز في خوارزميات توليد المحتوى: تحليل تقني، كشف، وتخفيف باستخدام بايثون. International Journal Of Mathematics And Computer Research، 2025.
[9] Matthew G. Hanna وآخرون. الاعتبارات الأخلاقية والتحيّز في الذكاء الاصطناعي/التعلّم الآلي. Modern Pathology، 2025.
[10] Haase, J. & Pokutta, S. التشارك الإبداعي بين الإنسان والذكاء الاصطناعي: استكشاف التآزر عبر مستويات التعاون الإبداعي. arXiv، 2024.
[11] Cristea, A. تأليف الوسائط التعليمية التكيفية. مؤتمر IEEE للتقنيات المتقدمة للتعلّم ICALT، 2007.
[12] Sharp, D. وآخرون. التعليم والتطور المعرفي: الأدلة من الأبحاث التجريبية. Monographs of the Society for Research in Child Development، 1979.
[13] Brandt, N.