في عالم التعليم، أصبحت عملية تحليل مناقشات الفصول الدراسية أمرًا ضروريًا لفهم كيفية بناء المعرفة لدى الطلاب وتطوير طرق التدريس لتحقيق أقصى درجات الانخراط الذهني. ولكن، يظل تحليل هذه المناقشات يدويًا أمراً شاقًا ويستغرق وقتًا طويلاً. لذا، نقدم لكم نظام تحليل المناقشات الآلي (ADAS) الذي يسهم في تصنيف أقوال المعلمين والطلاب على أساسين متكاملين: نوع القول ومكون التفكير، بناءً على إطار عمل CDAT الذي تم تطويره مسبقًا.

تهدف هذه الدراسة إلى معالجة مشكلة عدم التوازن الشديد في تصنيفات المكونات الأقل تمثيلاً من خلال استراتيجيات مبتكرة مثل تقسيم البيانات المعلّمة وإعادة توزيعها، واستخدام زيادة البيانات القائمة على نماذج اللغة الضخمة (LLMs) لاستهداف التصنيفات النادرة، بالإضافة إلى تدريب مصنف قائم على نموذج RoBERTa-base.

أسفرت النتائج عن تحقيق خط أساس بدون تدريب يُسجل نتائج شبه فنية بفضل تطبيق GPT-5.4، مع تحقيق درجات ماكرو-F1 تبلغ 0.467 على نوع القول و0.476 على مكون التفكير. ولا تقتصر الدراسة على التصنيف فقط، بل تتضمن أيضًا تحليلات أنماط المناقشات بما في ذلك توضيح تواجد نوع القول مع مكون التفكير، وحساب مؤشر التعقيد المعرفي (CCI) لكل جلسة، وتحليل السلاسل الزمنية.

تشير النتائج إلى أن ردود المعلمين المرتبطة بالأسئلة تعتبر أمراً حاسماً لتحفيز التفكير الاستنتاجي لدى الطلاب. كما أثبتت تجاربنا أن زيادة البيانات المستندة إلى نماذج اللغة الضخمة حسّنت بشكل كبير من تعرف نظام التصنيف على الفئات الأقل تمثيلاً، مما يعزز إمكانية استخدام تقنيات التعلم الآلي في تحسين طرق التعليم والتعلم.