كيف تُعيدُ منصّاتُ الذكاءِ الاصطناعيِّ في التعلُّمِ تشكيلَ دورِ المُعلِّمينَ؟

من الحكيم على المنصة إلى مهندس التعلم

تخَيّلْ طالبة جامعية — دعنا نسميها سارة — جالسة أمام حاسوبها المحمول عند الحادية عشرة مساءً، قبل ثلاثة أيام من الامتحان النصفي. لقد شاهدت كل المحاضرات، حمّلت كل ملفات العرض، ووسمت ملاحظاتها حتى بدت الصفحات أكثر اصفرارًا من بياض. هي تفهم المادة، إلى حدّ ما، كما تفهم المدينة الذي رأيتها فقط على الخريطة. أما عند الامتحان فستكون الخريطة وحدها غير كافية.

وضع سارة ليس شاذًا؛ بل هو النمط السائد للتعلّم في التعليم العالي ومعظم المنصات عبر الإنترنت. المحتوى متوافر بلا حدود، أما الفهم الحقيقي — ذلك الفهم الذي يصمد لثلاثة أسابيع وينتقل إلى مشكلة جديدة — فشحيح. معدلات إتمام الدورات الإلكترونية تبقى دون 15% حسب باحثين من MIT و Harvard الذين درسوا الدورات المفتوحة على نطاق واسع (MOOCs). يلتحق الطلاب بنية حقيقية ثم ينجرفون بعيدًا. المشكلة لم تكن في المحتوى، بل في التصميم.

أدخل الذكاء الاصطناعي التوليدي ما لم تستطع الفصول التقليدية توفيره بالكامل: بيئة تعليمية تتكيّف مع كل فرد، متاحة في أي ساعة، وقادرة على الالتقاء بالمتعلمين بدقة عند مستوى معرفتهم الفعلي. السؤال لم يعد ما إذا كان للذكاء الاصطناعي مكان في التعليم، بل ما إذا كانت المنصات التي توظفه تفهم بما فيه الكفاية كيف يتعلم البشر فعلاً لتستعمله بحكمة.

ما الذي تستطيع منصات الذكاء الاصطناعي فعله وما تعجز عنه الفصول التقليدية

تأمل ما يفعله المدرس الخصوصي الماهر: يلاحظ تردُّدك قبل الإجابة. يتذكّر أنّك خلطت بين فكرتين مرتبطتين منذ أسبوعين ويعود بهدوء للاختبار مما إذا زالت تلك الحيرة. يتكيّف في الزمن الحقيقي مع شكل فهمك الخاص.

المعلم الذي يدير ثلاثين طالبًا لا يمكنه أن يفعل كل ذلك واقعياً — ليس لأن المعلمين يفتقرون للمهارة، بل لأن الحساب البنيوي لا يسمح بذلك. نظام ذكاء اصطناعي مصمّم جيدًا يستطيع ذلك. يتتبّع من يحتاج مزيدًا من تمارين الاسترجاع، ومن يواجه مفاهيم مغلوطة مستمرة، ومن ينحدر مستوى تفاعله — في آنٍ واحد عبر كامل المجموعة.

للأدلة هنا أثر مهم. تحليل ميتا عام 2016 من قِبل كوليك وفليتشر في مراجعة البحوث التربوية استعرض 50 دراسة محكمة لأنظمة التدريس الذكية ووجد أحجام تأثير بمتوسط 0.66 انحراف معياري فوق ظروف الضبط. أبحاث بنجامين بلوم التأسيسية عام 1984 حول “مشكلة الانحرافين” أظهرت أن التدريس واحدًا لواحد يفوق التعليم الصفّي التقليدي باثنين من الانحرافات المعيارية — فجوة كانت غير قابلة للتطوير اقتصادياً حتى الآن. التدريس الآلي لا يكرر بالكامل معلمًا بشرًا عظيمًا، لكنه يحوّل المؤشر لصالح تقليص فجوة الوصول التي فشلت أنظمة التعليم في سدّها لأربعين سنة.

هنا تصبح منصات الذكاء الاصطناعي ذات صلة ليس كميزة جديدة فحسب، بل كاستجابة هيكلية. بتمكين المتعلمين من توليد دورات من موادهم الخاصة وتقديم مساعدة سياقية للذكاء الاصطناعي مُعادلة للمحتوى الشخصي، تحوّل هذه المنصات الديناميكية من استهلاك سلبي إلى بناء نشط — نوع المشاركة الذي تربطه علوم التعلم بتميز أكبر في الاحتفاظ.

لماذا الحافز هدفٌ خاطئ — والعادة الهدف الصحيح

هنا وقع معظم قطاع تكنولوجيا التعليم في خطأ ذي نتائج. الفلسفة التصميمية السائدة في المنصات الموجهة للمستهلك اعتمدت على تحسين التفاعل: سلاسل النشاط، شارات، لوحات الصدارة، إشعارات تُوقت لإعادتك إلى المنصة. الافتراض أن المتعلمين المتحمسين يستمرون في التعلم. افتراض يراعُف المنتج ويفشل الإنسان.

الحافز ليس موردًا ثابتًا. يتقلب مع المزاج والضغط والظروف. الشخص المتلهف للدراسة عصر الأحد كثيرًا ما لا يكون نفسه القادر على استدعاء تلك الطاقة مساء الأربعاء بعد يوم صعب. تصميم نظام تعلّم حول ذروة الحافز يعني تصميم نسخة من المتعلم لا تحضر بشكل موثوق.

نظريّة تحديد الذات لدى ديسي وراين توضّح المشكلة بدقة: الحافز الخارجي — المدفوع بالمكافآت والضغط الاجتماعي — يطغى على الحافز الداخلي عندما يزال المحفز الخارجي. المتعلم الذي راقب نفسه يوميًّا للحفاظ على سلسلة نشاط قد يجد، عندما تنكسر السلسلة، أنه لم يعد لديه سبب داخلي للعودة.

الهدف الأكثر ديمومة هو العادة. أبحاث ويندي وود وزملائها حول الأوتوماتيكية السلوكية تُظهر أن العادات — الروتينات التي تُثار بإشارات سياقية بدلًا من الدافع المتعمّد — هي مؤشرات أكثر استقرارًا لسلوكٍ مستدام. المتعلم الذي بنى عادة دراسة ثابتة لا يحتاج إلى حالة تحفيزية لبدء الجلسة؛ الإشارة تُشغّل الروتين، والروتين يصبح ذاتي الاستمرار.

هذه هي الفلسفة التصميمية التي ينبغي أن تُبنى حولها منصات الذكاء الاصطناعي. عوضًا عن التنافس على مشاركة تحفيزية آنية، يجب أن تستهدف هندستها تكوين عادات دراسة مستدامة — سلوكيات تستمر بغضّ النظر عمّا إذا كان المتعلم يشعر بنشاط في يومٍ معين.

أبحاث قابلية الاستخدام التي أجراها كامبستر مع طلابٍ مسجلين في كلية لندن للاقتصاد عام 2025 أظهرت أن المتعلمين يميزون بوضوح بين آليات الانخراط قصيرة الأمد والأنظمة المصممة للتعلّم الدائم. لذلك، معيار منهجي يحتاجه قطاع تكنولوجيا التعليم بشكل عاجل: البناء أولًا على علم الإدراك، ثم اختبار قرارات التصميم عبر بحوث منظمة مع مستخدمين مطالبين ومُدرَّبين تحليليًا.

عمل بيورك وبيورك حول “الصعوبات المرغوبة” يعزّز لماذا هذا مهم. الظروف التي تبدو سهلة — إعادة القراءة السلبية، محتوى أقل من القدرة الحالية — تنتج احتفاظًا ضعيفًا على المدى الطويل. الاسترجاع المجهد والتكرار المتباعد يولدان تعلمًا دائمًا لأنهما يشعران بصعوبة. المنصة المُحسّنة لدرجات الرضا تقدم الأولى. المنصة المصممة للثبات تختار الثانية، حتى حين تكون الأقل مكافأة فوريًا.

الدور الجديد للمعلم

كل ذلك لا يجعل المعلم زائداً عن الحاجة. يغيّر ما هي أفضل الساعات التي يجب أن يقضيها المعلم.

إذا تولى الذكاء الاصطناعي جدولة الاسترجاع، والتغذية الراجعة المتكيّفة، وشرح المفاهيم في المرور الأول، فإن مساهمة المعلّم التي لا يمكن استبدالها تتحوّل نحو شيء أصعب على الأتمتة: أبعاد العلاقة في التعلّم، والإرشاد الذي يربط المحتوى الأكاديمي بهوية الطالب، والقدرة على ملاحظة أن طالبًا هادئًا ليس غير متفاعل بل يكافح. هذه الجوانب ليست هامشية في التعليم. في كثير من الحالات، هي جوهرُ المسألة.

تأطّر تقرير منظمة التعاون الاقتصادي والتنمية لعام 2023 “المعلمون كمصممو بيئات التعلم” هذا التوجّه بدقة: إذ بات المعلمون يلعبون دور مهندسي خبرات التعلم، يصمّمون تجارب تعلمية بدلاً من الاقتصار على نقل المحتوى. إنه دور أكثر تطلّبًا وليس دورًا أدنى — ويتطلّب من المؤسسات استثمارًا حقيقيًا في تطوير المعلمين بدلًا من التعامل مع الذكاء الاصطناعي كأداة لخفض التكاليف.

خاتمة

عُدْ إلى سارة الجالسة أمام حاسوبها المحمول. ما كانت تحتاجه لم يكن مزيدًا من المحتوى فحسب؛ كانت بحاجة إلى نظامٍ كان يساعدها على استرجيع المادة في أوقات متباعدة، وتوزيع المراجعات، وإجبارها على الجدال المنتج مع المفاهيم خلال الأسابيع الماضية — القيام بالعمل غير البراق لبناء احتفاظ حقيقي بالمعرفة، لا مجرد انطباع سطحي بالألفة.

هذا النظام صار ممكنًا تقنيًا للبناء على نطاق واسع. العلم الإدراكي الذي يقوم عليه ليس جديدًا؛ ما تغيّر هو القدرة على تفعيله بطريقة متاحة وميسورة ومتكيفة مع الفرد بدلًا من المتعلم المتوسط المتخيل. المنصّات التي تأخذ هذا الأمر بجدية — وتصمم حول العادة بدلًا من الدافع، والاحتفاظ بدلًا من الانخراط — تعمل على المشكلة الصحيحة. وكذلك المعلمون الذين يتعلّمون كيف يعملون جنبًا إلى جنب مع هذه الأدوات.

المراجع:

هو، أ. د. وآخرون (2014). هارفاردإكس وMITx: السنة الأولى من الدورات المفتوحة على الإنترنت. ورقة عمل HarvardX وMITx رقم 1.

كوليك، ج. أ.، وفليتشر، ج. د. (2016). فاعلية أنظمة التدريس الذكية: مراجعة ميتا-تحليلية. مجلة مراجعات البحوث التربوية، 86(1)، 42–78.

بلوم، ب. س. (1984). مشكلة الـ2 سيغما: البحث عن طرق للتعليم الجماعي تكون فعّالة كالتدريس الفردي. الباحث التربوي، 13(6)، 4–16.

ديسي، إ. ل.، ورايان، ر. م. (1985). الدافعية الذاتية وتقرير المصير في السلوك البشري. دار بلينوم للنشر.

ديسي، إ. ل.، كوستنر، ر.، ورايان، ر. م. (1999). مراجعة ميتا-تحليلية للتجارب التي تفحص آثار المكافآت الخارجية على الدافعية الداخلية. النشرة النفسية، 125(6)، 627–668.

وود، و.، ونيل، د. ت. (2007). نظرة جديدة على العادات وواجهتها مع الأهداف. المراجعة النفسية، 114(4)، 843–863.

وود، و.، كوِن، ج. م.، وكاشي، د. أ. (2002). العادات في الحياة اليومية: الفكر والعاطفة والفعل. مجلة الشخصية وعلم النفس الاجتماعي، 83(6)، 1281–1297.

بيورك، إ. ل.، وبيورك، ر. أ. (2011). جعل الأمور صعبة على نفسك ولكن بطريقة مفيدة: خلق صعوبات مرغوبة لتعزيز التعلم. في م. أ. جيرنسباخر وآخرون (محررون)، علم النفس والعالم الحقيقي: مقالات توضح المساهمات الأساسية للمجتمع (ص. 56–64). دار وورث للنشر.

إيبنغهاوس، ه. (1885). عن الذاكرة [Memory: مساهمة في علم النفس التجريبي]. دنكر وهومبلوت.

منظمة التعاون الاقتصادي والتنمية (2023). لمحة عن التعليم 2023. منشورات منظمة التعاون الاقتصادي والتنمية.

منظمة التعاون الاقتصادي والتنمية (2023). المعلمون كمصممي بيئات التعلم: أهمية البيداغوجيات المبتكرة. منشورات منظمة التعاون الاقتصادي والتنمية.

اليونسكو (2023). إرشادات حول الذكاء الاصطناعي التوليدي في التعليم والبحث. منشورات اليونسكو.