معين أم سقف؟ كيف تشكل الأجيال المختلفة من نماذج اللغة الضخمة كتابات طلاب الإنجليزية
تستعرض دراسة جديدة تأثير التطور السريع لنماذج اللغات الضخمة على كتابات طلاب اللغة الإنجليزية. تكشف النتائج عن أن هذه النماذج قد تكون أداة للدعم ولكنها تخفي بعض القيود في الفهم العميق.
في عصر يتحكم فيه الذكاء الاصطناعي، شهدنا تطوراً مذهلاً في نماذج اللغات الضخمة (Large Language Models) التي باتت تمثل أدوات قوية لتعزيز مهارات كتابة الطلاب. تتناول هذه الدراسة الجديدة كيف يؤثر هذا التطور على طلاب اللغة الإنجليزية كلغة أجنبية (EFL) في مراحل التعليم الثانوي.
بدلاً من التركيز فقط على جودة المخرجات، تسلط دراستنا الضوء على التغيرات التطورية في نماذج اللغات الضخمة وتأثيرها على الطلاب، إذ نتساءل: هل تعمل هذه النماذج كدعائم حقيقية أم كعكازات تعويضية؟
نقوم بتحليل كتابات الطلاب الذين استخدموا نماذج اللغات الضخمة قبل وبعد إطلاق ChatGPT، مستخدمين مقياساً نوعياً كمقياس الخبراء ومؤشرات كمية تشمل اختبارات القابلية للقراءة ومعامل الارتباط بيرسون (Pearson's correlation coefficient) وMTLD.
تشير النتائج إلى أن النماذج المتقدمة يمكن أن تعزز درجات التقييم وتنوع المفردات للمتعلمين ذوي الكفاءة المحدودة، مما قد يعطي انطباعًا زائفًا حول قدراتهم الحقيقية. والأكثر أهمية، أن زيادة المساعدة من نماذج اللغة الضخمة ارتبكت سلبًا مع تقييمات الخبراء البشريين، مما يدل على وجود طلاقة سطحية دون ترابط عميق.
من هنا، تصبح الحاجة ملحة لتحويل الأساليب المدعومة بالذكاء الاصطناعي إلى تجارب تعليمية حقيقية. يجب على الأساتذة إعادة توجيه مناهجهم لتتجاوز التركيز على جودة المخرجات، بل للتحقق من عملية التعلم نفسها. يتعين عليهم مواءمة وظائف الذكاء الاصطناعي، مع ضرورة التمييز بين الدعم الأفكار والإنتاج النصي، داخل منطقة التنمية القريبة للمتعلمين.
بدلاً من التركيز فقط على جودة المخرجات، تسلط دراستنا الضوء على التغيرات التطورية في نماذج اللغات الضخمة وتأثيرها على الطلاب، إذ نتساءل: هل تعمل هذه النماذج كدعائم حقيقية أم كعكازات تعويضية؟
نقوم بتحليل كتابات الطلاب الذين استخدموا نماذج اللغات الضخمة قبل وبعد إطلاق ChatGPT، مستخدمين مقياساً نوعياً كمقياس الخبراء ومؤشرات كمية تشمل اختبارات القابلية للقراءة ومعامل الارتباط بيرسون (Pearson's correlation coefficient) وMTLD.
تشير النتائج إلى أن النماذج المتقدمة يمكن أن تعزز درجات التقييم وتنوع المفردات للمتعلمين ذوي الكفاءة المحدودة، مما قد يعطي انطباعًا زائفًا حول قدراتهم الحقيقية. والأكثر أهمية، أن زيادة المساعدة من نماذج اللغة الضخمة ارتبكت سلبًا مع تقييمات الخبراء البشريين، مما يدل على وجود طلاقة سطحية دون ترابط عميق.
من هنا، تصبح الحاجة ملحة لتحويل الأساليب المدعومة بالذكاء الاصطناعي إلى تجارب تعليمية حقيقية. يجب على الأساتذة إعادة توجيه مناهجهم لتتجاوز التركيز على جودة المخرجات، بل للتحقق من عملية التعلم نفسها. يتعين عليهم مواءمة وظائف الذكاء الاصطناعي، مع ضرورة التمييز بين الدعم الأفكار والإنتاج النصي، داخل منطقة التنمية القريبة للمتعلمين.
