في عالم الذكاء الاصطناعي التوليدي (Generative AI)، تواجه المدارس تحديات عدة في كيفية تقييم أداء الطلاب. فعلى الرغم من أن الأنظمة الحالية تقيس الأداء دون مساعدة، إلا أن المهمة الحقيقية تبتعد نحو كيفية استخدام الذكاء الاصطناعي لإنتاج عمل جيد.

**نموذج CoRe-3** هو الحل المقترح الذي يتكون من ثلاث مهارات أساسية، وهي:
1. **التسريح (Framing)**: تحديد مهمة غير واضحة قبل الاستعانة بالذكاء الاصطناعي.
2. **التقييم (Judging)**: تقييم الناتج لاكتشاف الأخطاء والافتراضات غير المعلنة.
3. **التوجيه (Steering)**: إعادة توجيه النموذج بشكل تكراري نحو نتائج أفضل.

الاختلاف الرئيسي في هذا النموذج هو فصله بين التسريح قبل التوليد والتوجيه بعده، مع وجود التقييم كحلقة وصل بينهما.

لقد تم إثبات فاعلية هذا النموذج في منصة CoReasoningLab، والتي تقدم مخرجات خاطئة من الذكاء الاصطناعي وتقوم بتقييمها بشكل مستقل. وعبر تجربة مت simulacres، تبيّن أن المهارات الثلاث منفصلة، مما يساعد في فهم كيفية تفاعل هذه المهارات وتأثيرها على النتائج.

نحن الآن نرغب في مشاركة هذا النموذج مع المجتمع الأكاديمي والمهتمين بالتعليم، فهل أنتم مستعدون لتبني نهج مبتكر في استخدام الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات.