مع ازدياد الاعتماد على أدوات الذكاء الاصطناعي (AI) في السياقات التعليمية، تبرز تساؤلات حول استقرار هذه الأدوات على مدى الزمن ومرونتها تجاه تقنيات توجيه التعليم (prompt engineering). أجريت دراسة طولية لفحص قدرة أدوات الذكاء الاصطناعي المختلفة على استخدام دليل تحليل المهام (Task Analysis Guide) لتصنيف الطلب المعرفي للمهام الرياضية.

ركزت الدراسة على أداتين: أداة ذكية عامة (Gemini) وأداة مخصصة للتعليم (Coteach)، حيث تم اختيار هاتين الأداتين نظراً لأدائهما العالي في اختبارات سابقة ومعايير محددة. تم اختبار النماذج في البداية، ثم إعادة اختبارها مع تحديثات إصدارات النموذج، وأخيراً اختبارها باستخدام تقنيات توجيه التعليم من خلال استخدام مهام نموذجية.

أظهرت النتائج أن تحديثات الإصدارات الجديدة وحدها أنتجت نتائج مختلطة: ظلت دقة أداة Gemini مستقرة عند 58%، بينما انخفضت دقة أداة Coteach من 75% إلى 50%. ومع ذلك، ساهمت تقنيات توجيه التعليم في تحسين أداء كلا النموذجين: حيث زادت دقة Gemini إلى 67% واستعادت Coteach دقتها إلى 75%.

تسلط هذه النتائج الضوء على أهمية استخدام تقنيات توجيه التعليم التي يمكن أن تكون لها آثار أكبر وأكثر موثوقية مقارنة بالتحسينات السلبية للنماذج. تشير الدراسة إلى أنه يجب على المربين والباحثين أن يأخذوا في الاعتبار كيفية اختيار وتقييم وتنفيذ أدوات الذكاء الاصطناعي في السياقات التعليمية.