من الصفوف الدراسية التقليدية إلى الرقمية

تواجه أنظمة التعليم حول العالم تحديات متزايدة، أبرزها نقص المعلمين المؤهلين، وما يترتب على ذلك من تأثير سلبي على جودة التعليم وتوسيع الفجوات التعليمية بين الطلاب في مختلف المناطق.

وتقدّر منظمة «اليونسكو» أن العالم بحاجة إلى 44 مليون معلم إضافي لتحقيق التعليم الابتدائي والثانوي الشامل بحلول عام 2030، بالتزامن مع وجود 244 مليون طفل خارج المدارس عالمياً.

ومع التقدم السريع في تقنيات الذكاء الاصطناعي، برزت نماذج اللغة الكبيرة (LLMs) كأداة واعدة لدعم العملية التعليمية، من خلال تقديم شروحات وإجابات عن أسئلة الطلاب بشكل شخصي وتفاعلي. لكن استخدام هذه النماذج يواجه تحدياً مهماً يتعلق بقدرتها على توليد محتوى مناسب لمستوى فهم كل طالب؛ فعلى الرغم من قدرتها على إنتاج نصوص دقيقة ومفصلة، غالباً ما تتجاوز صعوبة اللغة والمفاهيم مستوى الطلاب في المراحل التعليمية المبكرة، ما يقلل من فاعلية التعلم.

ولتجاوز هذه الفجوة، كشف فريق بحثي أميركي عن إطار عمل مبتكر يعتمد على النماذج اللغوية الكبيرة لتعمل كـ«معلمين افتراضيين» متخصصين لكل مرحلة عمرية. وقد أُطلق على هذا الابتكار اسم «Classroom AI»، ويهدف إلى تقديم محتوى تعليمي دقيق علمياً ومبسط لغوياً، بما يتناسب مع قدرات الأطفال الاستيعابية، بدءاً من المرحلة الابتدائية وصولاً إلى التعليم الجامعي، ونُشرت النتائج في عدد 9 مارس (آذار) 2026 من دورية (npj Artificial Intelligence).

تقييم النصوص

واعتمد الباحثون في تقييم مستوى صعوبة النصوص على دمج سبعة مقاييس علمية معروفة لقياس قابلية القراءة، إضافة إلى مؤشرات أخرى تتعلق بطول الجمل وصعوبة الكلمات والتركيب اللغوي. ومن خلال خوارزمية خاصة، تم دمج نتائج هذه المقاييس لتحديد المستوى الدراسي الأنسب لكل نص تعليمي.

ولإنشاء قاعدة بيانات تدريبية واسعة، استخدم الباحثون تقنيات توليد البيانات عبر نماذج الذكاء الاصطناعي نفسها، حيث تم إعداد آلاف الأسئلة في 54 موضوعاً تعليمياً ضمن ثمانية مجالات تشمل العلوم، والأدب، والصحة، والذكاء الاصطناعي، والفنون، والموسيقى، والرياضة، والعلوم الاجتماعية. ثم طُلب من النماذج تقديم إجابات متنوعة للسؤال نفسه، بما يتناسب مع مستويات دراسية مختلفة.

وأظهرت نتائج الاختبارات أن النماذج المدربة وفق هذا الإطار الجديد حققت تحسناً كبيراً في قدرتها على إنتاج إجابات تتوافق مع المستوى الدراسي المطلوب؛ إذ ارتفعت نسبة التوافق مع مستوى الطلاب بنحو 35.6 نقطة مئوية مقارنة بالطرق التقليدية التي تعتمد فقط على توجيهات نصية داخل السؤال.

كما شارك 208 مشاركين في تقييمات بشرية للتحقق من مدى ملاءمة الشروحات للمستويات التعليمية المختلفة، وأكدت النتائج أن مخرجات النماذج المدربة تتوافق بدرجة كبيرة مع تقديرات البشر لصعوبة النصوص ومناسبتها للطلاب.

وكشفت التحليلات أيضاً أن النماذج الموجهة لمستويات دراسية مختلفة تطور أساليب تفسير مميزة؛ فالنماذج المخصصة للمرحلة الابتدائية تستخدم كلمات أبسط وجملاً أقصر، بينما تقدم النماذج المخصصة للطلاب الأكبر سناً شروحات أكثر تفصيلاً ومصطلحات علمية متقدمة.

تحديات متزايدة

يقول الدكتور جيندونغ وانغ، أستاذ بكلية ويليام وماري للحوسبة وعلوم البيانات والباحث الرئيسي للدراسة، إن نقص المعلمين يمثل تحدياً عالمياً متزايداً، لا سيما في المناطق الريفية والمحرومة اقتصادياً. ويضيف لـ«الشرق الأوسط» أن محدودية الوصول إلى المعلمين المؤهلين تزيد من الفجوات التعليمية، مشيراً إلى أن أكثر من 70 في المائة من المعلمين في منطقة أفريقيا جنوب الصحراء غير مؤهلين بالشكل الكافي.

ويشير وانغ إلى أنه مع توفر الإنترنت لنسبة كبيرة من سكان العالم، تمتلك نماذج اللغة الكبيرة القدرة على أن تكون أداة تعليمية داعمة، قادرة على خدمة ملايين الطلاب بغض النظر عن موقعهم الجغرافي.

ويوضح أن إطار الدراسة يقدم حلاً مبتكراً لهذه المشكلة، من خلال تطوير شروحات تعليمية تتوافق مع مستوى الطالب الفعلي في الصف، بدلاً من تقديم إجابات موحدة لجميع الطلاب.

ويؤكد أن هذا الإطار يمكن أن يوسع الوصول إلى التعليم للطلاب في مستويات صفية مختلفة بمجرد توفر الإنترنت، ما يسهم في تعزيز الإنصاف التعليمي عالمياً.

وعن تطبيق هذا الإطار في الصفوف الدراسية الواقعية، يوضح أنه يمكن استخدامه كمكمل للتعليم التقليدي وليس كبديل للمعلمين؛ ففي الصفوف الحقيقية غالباً ما يطرح الطلاب أسئلة مفتوحة تختلف صعوبتها بحسب خلفيتهم وسرعة تعلمهم واهتماماتهم؛ وهكذا يمكن للطلاب استخدام نموذج اللغة الكبير المتوافق مع مستوى صفهم لفهم ما لم يستوعبوه خلال الحصة، أو لاستكشاف الموضوع بعمق أكبر، أو لطرح أسئلة إضافية.

ويشير وانغ إلى أن هذا الأسلوب لا يعالج نقص المعلمين فحسب، بل يوفر أيضاً دعماً فردياً للطلاب؛ ما يزيد من تفاعلهم ويسهم في تخصيص التعليم وفق مستوياتهم المختلفة.

نظام تعليمي متكيّف

وعن التأثير البعيد المدى للتعلم المعتمد على الذكاء الاصطناعي والمخصص للمستويات الصفية، يرى وانغ أنه يمكن أن يحوّل نظام التعليم من نهج «واحد للجميع» إلى نظام أكثر تكيفاً وتخصيصاً، حيث يحصل كل طالب على الشرح المناسب لمستوى فهمه، ما يقلل من عدد الطلاب المتأخرين فقط بسبب صعوبة الشرح أو عدم توافقه مع مستواهم، كما يمكن لهذه النماذج المخصصة أن تجعل التدريس الفردي عالي الجودة أكثر قابلية للتوسع، وهو ما يمثل فرصة كبيرة للوصول إلى تعليم شخصي غالباً ما يكون مكلفاً.

لكن في الوقت نفسه، يحذر وانغ من أن التصميم غير المدروس لهذه الأنظمة قد يقيّد الطلاب ضمن مستويات ثابتة، أو يؤدي إلى تحيزات اجتماعية غير متوقعة، أو يثير مخاوف تتعلق بالخصوصية؛ لذلك يؤكد ضرورة التصميم الدقيق والمراعي للاحتياجات التعليمية لضمان تطبيق واسع وفعال لهذه التكنولوجيا.

ويشير أيضاً إلى أن تبسيط اللغة لا يعني بالضرورة تبسيط المفاهيم نفسها؛ إذ قد تبقى بعض الأفكار المعقدة صعبة الفهم للأطفال بسبب محدودية خبراتهم الحياتية، لذلك يقترح في الدراسات المستقبلية دمج هذه النماذج مع قواعد معرفية أو خرائط مفاهيمية تساعد على شرح الأفكار المعقدة خطوة بخطوة.